inovexler Florian Wilhelm ist bei diesem virtuellen Treffen dabei mit seinem Vortrag zum Thema „Bayesian Hierarchical Modelling für Bedarfsprognosen“.
Seit dem Aufkommen von Deep Learning dreht sich beim Thema Künstliche Intelligenz alles um Neuronale Netze, so scheint es. In seinem Vortrag möchte er eure Aufmerksamkeit auf das vermeintlich angestaubte Thema der Bayes’schen Hierarchischen Modellierung (BHM) lenken. Moderne Techniken und Frameworks erlauben es, diese coole Methode endlich auch auf Datensätze anzuwenden, die viel größer sind als das, was bisher möglich war. Damit werden die vielen Vorteile von BHM wie die Visualisierbarkeit, Interpretierbarkeit und vor allem die Möglichkeit Unsicherheiten im Modell zu quantifizieren, endlich auf praktische Anwendungsfälle anwendbar und BHM damit ein vielversprechender Konkurrent von Neuronalen Netzen. Am praktischen Beispiel eines Anwendungsfalls der Bedarfsprognose möchte er euch auf eine kleine Bayes’sche Reise mitnehmen.
Weitere Infos und Anmeldung: