ML takes control – Converting Business Rules into Machine Learning Features

The ongoing trend towards Machine Learning (ML) based systems challenges existing decisions engines which typically rely on a set of human-defined rules. Once there is enough historical data available for training, ML-based systems usually outperform human-defined rule sets easily.

In practice, however, there are many problems with the shift towards such systems. Typical questions are: When do I have enough training data for a certain feature to switch a rule off? How can I train a model if there was a manual rule that biased my ML training data?

This talks gives an overview of these problems and presents solutions that can be taken to move quickly towards ML-based decision engines.

Vorkenntnisse

Grundlegendes Verständnis von Machine Learning.

Lernziele

Die Teilnehmer sollen verstehen, wie sie ihre bisherigen Rule-based-Algorithmen in ML-Algorithmen transformieren können.

 

Speaker

 

Patrick Baier
Patrick Baier arbeitet als Data Scientist im Payments Team von Zalando in Berlin. Schwerpunkt seiner Arbeit ist die Entwicklung statistischer Modelle zur Betrugserkennung. Davor arbeitete er als wissenschaftlicher Mitarbeiter an der Universität Stuttgart an probabilistischen Modellen zur Energieeffizienz in mobilen Systemen, wo er 2015 erfolgreich seine Dissertation abschloss.

Henning Esser
Henning Esser entwickelt als Mitarbeiter von Zalando Payments das Machine-Learning-basierte Betrugserkennungssystem mit. Davor schloss er sein Studium der Mathematik an der TU Kaiserslautern mit einem Diplom ab.

Gold-Sponsoren

HMS
Structr

Silber-Sponsoren

codecentric
Phytec

Bronze-Sponsor

incontext.technology GmbH

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden