Das KI-Modell Aardvark kann das Wetter schneller und genauer vorhersagen als bestehende Systeme – und das bei einem tausendfach geringeren CO2-Ausstoß.
Fast so, als wäre das ein tatsächlicher Anwendungsfall für KILLM Machine Learning: Man hat eine (nahezu) bias-freie Aufzeichnung von Daten, aus der das Modell zukünftige Werte ableiten kann.
Naja, das ist quasi der Anwendungsfall für ML. Eine große Datenmenge verarbeiten und dann aus diesen Daten die warscheinlichsten Szenarien für bestimmte Parameter berechnen. Das ist Wettervorhersage.
Fast so, als wäre das ein tatsächlicher Anwendungsfall für
KILLMMachine Learning: Man hat eine (nahezu) bias-freie Aufzeichnung von Daten, aus der das Modell zukünftige Werte ableiten kann.Naja, das ist quasi der Anwendungsfall für ML. Eine große Datenmenge verarbeiten und dann aus diesen Daten die warscheinlichsten Szenarien für bestimmte Parameter berechnen. Das ist Wettervorhersage.
Ich habe noch überlegt, ob ich das
/sdahinter packe, weil ja, wie du sagst ist das eben der Anwendungsfall.Ich habs vermutet, aber man kann sich leider nie ganz sicher sein.
Riecht eigentlich mehr nach Markov chains als nach regression von nicht linearen lösungsräumen.
Wenn meine inputmenge derart gigantisch ist sollte ich über bayessche Modelle doch viel genauer und effektiver zum Ziel kommen.