Am 13. Juli 2021 hält Prof. Bernhard Schölkopf bei I-AIDA eine Vortrag zu einem neuen Ansätzen des maschinellen Lernens.
Abstract:
Beim maschinellen Lernen verwenden wir Daten, um automatisch Abhängigkeiten in der Welt zu finden, mit dem Ziel, zukünftige Beobachtungen vorhersagen zu können. Die meisten Verfahren des maschinellen Lernens stützen sich auf Methoden aus der Statistik, aber man kann auch versuchen, darüber hinauszugehen und kausale Strukturen untersuchen, die statistischen Abhängigkeiten zugrunde liegen. Es zeigt sich, dass Kausalität eine zentrale Rolle bei der Bewältigung einiger offener Probleme des maschinellen Lernens spielen kann, da Kausalitätsmodelle zum Beispiel robuster gegenüber Abweichungen sind, die in realen Datensätzen auftreten. Während des Vortrags wird ausgeführt, dass Kausalität zwar einige Mängel aufweist, diese aber gut zu den Stärken und Schwächen der aktuellen Machine Learning-Methoden passen, und dass die Untersuchung des maschinellen Lernens basierend auf kausalen Repräsentationen dazu beitragen kann, die Vorteile beider Ansätze zu vereinen. Außerdem werden einige Algorithmen und Anwendungen aus diesem Bereich vorgestellt.
Dienstag, 13.07.2021, 17:00 – 18:00 Uhr, Online-Event
Weitere Details unter: http://www.i-aida.org/events/symbolic-statistical-and-causal-representations/.
Dies ist ein Event von I-AIDA – International Artificial Intelligence Doctoral Academy.