Tutorial: 16:35-18:10 (deutsch)

Ganz praktisch: Probabilistische Funktionen

Zufallsprozesse sind überall, zum Beispiel: Aktienkurse, Antwortzeiten, Luftverschmutzung. Probabilistische Funktionen können Zufallsprozesse lernen, simulieren und Vorhersagen versuchen.

Ein wenig Theorie

  • Universal (Higher Order) Probabilistic Programming
  • Stochastische Prozesse sind Probabilistische Funktionen
  • “A Convenient Category for Higher-Order Probability Theory”

Intuition Gaußprozesse

  • einfach, gutartig, vielseitig
  • Anwendungen ohne Ende: Optimierung, Robotik, Geowissenschaften, …
  • viele Einzeiler, viele Plots

Fallstudie: Interpolation Mauna Loa CO2-Daten

  • Julia GaussianProcesses.jl
  • Kovarianzfunktions-Zoo
Tinkering around
  • Analyse einfacher Datasets
  • probabilistische Funktionen selbst gebaut (Closures + Currying)

Christoph Schmalhofer

Christoph Schmalhofer works as Software Architect for InNuce Solutions in Hamburg.

Er hat Philosophie und Physik studiert und arbeitet seit 20 Jahren in der Software-Entwicklung. Er hat unter anderem ein OODBMS, Kreditrating-Software und einen Fahrzeugkonfigurator mitentwickelt.