Das M in ML steht nicht für Mathematik
Im universitären Umfeld werden immer noch hauptsächlich mathematische Grundlagen gelehrt. Aber ist das für den Praktiker relevant? Oder welches Wissen ist wirklich notwendig, um ein ML-Projekt erfolgreich zu meistern?Unsere These ist: Vieles ist Gate-Keeping und wird zum Teil aus Mangel an Erfahrung und wegen der akademischen Herkunft der Disziplin gelehrt.
In diesem Talk beleuchten wir Beispiele von überflüssiger mathematischer Komplexität und wie wir selbst Erfahrungen mit falsch angewandtem mathematischem Anspruch gemacht haben. Dann diskutieren wir aber auch: Was ist wirklich wichtig, um erfolgreich Machine Learning und Data Science anzuwenden?
Vorkenntnisse
%
Lernziele
Die Rolle und Notwendigkeit von Mathematik im Machine Learning hinterfragen.
Speaker
Mikio Braun arbeitet als freier Berater und hilft Firmen und Menschen, besser Machine Learning einzusetzen. Zuvor arbeitet in verschiedenen Leitungspositionen bei Zalando und GetYourGuide, nachdem er gut zehn Jahre an der TU Berlin als Forscher im Bereich Maschinelles Lernen gearbeitet hat. Er interessiert sich vor allem dafür, wie man die Welten Wissenschaft und Industrie zusammenbringen kann.
Oliver Zeigermann ist Softwareentwickler aus Hamburg und mag Copy und Paste. Es beschäftigt sich mit Themen an der Grenze zwischen Programmierung und Machine Learning.