#74: [PAIQ1] Predictive AI Quarterly

Predictive AI Quarterly ist unser neues Format im Data Science Deep Dive. Alle 3 Monate sprechen wir über Entwicklungen im Bereich Predictive AI - kompakt, kritisch und praxisnah.Wir starten mit einem Überblick zu den aktuellen News und Trends, danach wird's hands-on: Wir berichten, was wir selbst ausprobiert haben, was gut funktioniert hat und was nicht.

**Zusammenfassung**

TabPFN ist ein Foundation-Modell speziell für tabulare Daten, das Prognose- und Klassifikationsaufgaben ohne Finetuning lösen kannFinetuning-Optionen: Neben dem kostenpflichtigen Angebot von PriorLabs existiert ein Open-Source-Repo zum Finetuning von TabPFN, das aktiv weiterentwickelt wirdmit TabICL gibt es ein weiteres Foundation-Modell für tabulare Daten, das synthetisch trainiert ist, sich auf Klassifikation konzentriert und auch bei großen Datensätzen (bis 500k Zeilen) schnelle Inferenz versprichtFoundation-Modelle für Zeitreihen: Unternehmen wie IBM, Google und Salesforce entwickeln eigene Foundation-Modelle für Time-Series Forecasting (z. B. TTMs, TimesFM, Moirai), diese werden bislang auf echten Zeitreihen trainiertder GIFT-Benchmark dient als Standard zum Vergleich von Zeitreihenmodellen – hier zeigt sich, dass ein angepasstes TabPFN auch für Zeitreihen überraschend leistungsfähig ist

Hands On:

TabPFN lässt sich analog zu scikit-learn einsetzen und ist besonders dann praktisch, wenn eine GPU vorhanden ist, die Einstiegshürde ist sehr niedrigin Zukunft wird mit multimodalen Erweiterungen (z. B. Bilder), quantisierten Varianten und weiteren Alternativen zu TabPFN gerechnet, der Bereich Foundation Models für strukturierte Daten entwickelt sich rasant

**Links**

Podcastfolge #72: TabPFN: Die KI-Revolution für tabulare Daten mit Noah HollmannTabPFN:Finetuning Angebot von Prior LabsGitHub-Repo: Finetune TabPFN v2GitHub-Repo: Zero-Shot Time Series Forecasting mit TabPFNv2TabICL:GitHub-Repo: TabICL – Tabular In-Context LearningWorkshop @ ICML 2025: Foundation Models for Structured Data (18. Juli 2025 in Vancouver)Blogartikel & Studien:Tiny Time Mixers (TTMs) von IBM ResearchMoirai: A Time Series Foundation Model by SalesforceBlogartikel von inwt: "TabPFN: Die KI-Revolution für tabulare Daten"Huggingface Spaces & Modelle:TimesFM Foundation Model für Zeitreihen von Google ResearchGIFT-Eval Forecasting Leaderboard

📬 Fragen, Feedback oder Themenwünsche?Schreibt uns gern an: [email protected]

Wir machen Data Science. Und in unserem Podcast Data Science Deep Dive reden wir darüber.

Du bist ebenfalls Data Scientist oder interessierst dich für Daten, ML und AI? Dann ist dieser Podcast für dich. Wir teilen unsere Learnings aus über 180 Projekten, du bekommst Infos und Anregungen zu spannenden Themen rund um Daten.

Wir klären auf, geben Hinweise und teilen unsere Erfahrungen, die wir in über 10 Jahren als Data Scientists im B2B Bereich gesammelt haben.
Wir decken auf, was wirklich hinter den Hypes und Trends der Data Science Branche steckt.
Wir hinterfragen, was ein Data Science Projekt erfolgreich macht und welche Faktoren es zum Scheitern verurteilen.

• Anzahl der Folgen: 81
• Letzte Folgen: 2025-09-04
• Technologie

Wo kannst du zuhören?