Nicht alle experimentellen Herausforderungen erfordern denselben Ansatz. Manche profitieren von einer umfassenden Erkundung, andere von einer sorgfältigen Verfeinerung und wieder andere von einer Kombination aus beidem. In diesem praxisorientierten Workshop lernen die Teilnehmenden, wie sie experimentelle Strategien auswählen, die ihren Zielen, Rahmenbedingungen und ihrem Lernstand entsprechen. Anhand praktischer Beispiele untersuchen wir, wie Überlegungen wie Lernen versus Optimierung, Ressourcenbeschränkungen und Möglichkeiten für sequentielle Experimente die Strategiewahl beeinflussen. Dabei zeigen wir auch, wie sich traditionelle Versuchsplanung und Bayes'sche Optimierung ergänzen und wie diese Methoden gemeinsam effizient zur Lösung realer experimenteller Probleme eingesetzt werden können.
Hinweis: In diesem Workshop werden die traditionellen DOE-Werkzeuge von JMP sowie die Bayes'sche Optimierung in JMP Pro verwendet. Falls Sie diese Funktion ausprobieren möchten, aber JMP Pro zum Zeitpunkt des Workshops nicht installiert haben, stellen wir Ihnen gerne ein virtuelles Labor für Ihren Laptop zur Verfügung.
