Google hat ein Testverfahren entwickelt (einige Jahre bereits her), wo trotz fehlender Vergleichsgruppe, eine Vorhersage über das Verhalten der nicht vorhandenen Kontrollgruppe getroffen werden kann.

Googles Causalimpact Modell - Testverfahren-Vorhersage eines Effekts trotz fehlendem Vergleich

Podcast-Folgen zu diversen Data Engineering Themen.

Begib dich mit mir auf die Reise hin zu einem Experten in Sachen Data Engineering und gehe den Unternehmens-Datenschätzen auf den Grund.

Was steckt eigentlich in "BigData" und den großen Lagacy-Datenbanken der Unternehmen?

Wir finden es gemeinsam heraus.

Tools wie die größten Cloud Plattformen der Welt (AWS, Azure, GCP, ...), sowie Programmiersprachen (Python, ...), Scheduling Tools etc. helfen uns bei der Erschließung und der Bereitstellung spannender Insights.

Technology

Podcast-Folgen zu diversen Data Engineering Themen. Begib dich mit mir auf die Reise hin zu einem Experten in Sachen Data Engineering und gehe den Unternehmens-Datenschätzen auf den Grund. Was steckt eigentlich in "BigData" und den großen Lagacy-Datenbanken der Unternehmen? Wir finden es gemeinsam heraus. Tools wie die größten Cloud Plattformen der Welt (AWS, Azure, GCP, ...), sowie Programmiersprachen (Python, ...), Scheduling Tools etc. helfen uns bei der Erschließung und der Bereitstellung spannender Insights.

Share Googles Causalimpact Modell - Testverfahren-Vorhersage eines Effekts trotz fehlendem Vergleich

Sign up to save your podcasts

Googles Causalimpact Modell - Testverfahren-Vorhersage eines Effekts trotz fehlendem Vergleich

Googles Causalimpact Modell - Testverfahren-Vorhersage eines Effekts trotz fehlendem Vergleich