Am Donnerstag, 25.1.2018 werde ich beim Data Science Meetup in Bielefeld einen Vortrag halten über die Wahl der richtigen Methode zur Datenanalyse aus der Vielzahl an Möglichkeiten, die das maschinelle Lernen bietet.
Unter maschinellem Lernen sind Algorithmen zu verstehen, die das Ziel haben, Strukturen und Zusammenhänge in Daten zu erkennen, um z.B. Vorhersagen zu treffen oder Handlungsempfehlungen zu geben. Das maschinelle Lernen kann den Zusammenhang zwischen den Daten entweder modell- oder rein datengetrieben ermitteln. Bei modellbasierten Methoden sind Annahmen über die Form und das Aussehen des Zusammenhangs notwendig, z.B. ob es eine lineare Gerade oder ein Polynom zweiten Grades ist. Datengetriebene Methoden, wie beispielsweise neuronale Netze oder Polynom Splines, benötigen keine Annahmen über die funktionale Form, da diese Methoden das Ziel haben, sich so gut wie möglich an gegebene Daten anzupassen. Es gibt beim maschinellen Lernen kein einzelnes dominierendes Verfahren, sondern es muss für jeden neuen Datensatz und jede Fragestellung neu geprüft werden, welches Vorgehen geeignet ist.
Ich freue mich schon sehr auf das Meetup, insbesondere auf den anschließenden Austausch mit all den Data Science Enthusiasten.
Datenliebe 