Probabilistische graphische Modelle mit Scala

Lecture / talk | -

Probabilistische graphische Modelle (PGM) bieten einen durchgängigen Rahmen für automatisiertes Lernen, Wissensrepräsentation, Inferenz sowie Risiko- und Entscheidungsanalysen.

Diese Modelle können auf natürliche Weise Wissen über kausale Abhängigkeiten darstellen, Unsicherheiten in Informationen berücksichtigen und erlauben es, gezogene Schlüsse und getroffene Entscheidungen im Lichte neuer Informationen zu revidieren.

In praktischen Anwendungen zeigen sich weitere Vorteile - die Wissensrepräsentation erfolgt deklarativ. Domänenunabhängige Algorithmen ermöglichen Inferenz, Analysen und Lernen. Viele Möglichkeiten von PGMs lassen sich daher interessierten End-Anwendern in Form von allgemeinen Bibliotheken zur Verfügung stellen.

Im Vortrag werde ich nach einem kurzem Auffrischer über die nötigen Grundlagen eine in Scala geschriebene interne DSL für PGMs präsentieren. Diese DSL wird dann genutzt, um mehr oder weniger realitätsnah den Einsatz von PGMs für Schlussfolgerungen sowie Risiko- und Entscheidungsanalysen in einigen Domänen zu demonstrieren.

Ziel des Vortrags und der anschliessenden Diskussion soll es sein, diese Technik den Zuhörern als vielseitig einsetzbaren und mittlerweile auch relativ einfach handhabbaren Baustein für ihre Projekte auf der JVM nahezubringen.

SPEAKER Andreas Bille, rcs systems GmbH

LEVEL OF TALK Intermediate
LANGUAGE Talk: de / Slides: de

Please register on the JUG website