Am 24. Juni fand der erste Workshop zu probabilistischer Programmierung in Hannover statt. Knapp 20 Interessierte aus Hannoveraner IT Firmen und der Leibniz Universität kamen in den Räumen der Data Assessment Solutions GmbH (DAS) zusammen, um sich über dieses hochaktuelle Thema auszutauschen.  Zu Beginn gab Joachim Giesen von DAS Research eine Einordnung von probabilistischer Programmierung, die er insbesondere von tiefen Lernverfahren abgrenzte. Probabilistische Programmiersprachen sind flexible Modellierungswerkzeuge, die den Nutzer davon befreien sich über Inferenz Gedanken machen zu müssen. Grob gesagt, ist ein probabilistisches Programm eine Spezifikation, wie man von Parametern zu beobachtbaren Daten kommt. Mittels Inferenz schließt man dann von tatsächlich beobachteten Daten auf die Werte der Parameter. Im Gegensatz dazu spezifiziert man im tiefen Lernen direkt wie man von beobachteten Daten zu Parametern kommt. Die direkte Spezifikation ist oft deutlich weniger intuitiv als die Spezifikation eines datengenerierenden Prozesses in Form eines probabilistischen Programms. Im Anschluss an den Vortrag von Joachim Giesen gab Daniel Borcherding von DAS eine kleine praktische Einführung in die probabilistische Programmierumgebung Infer.NET von Microsoft. Am Beispiel eines Topic Models, das bei DAS in der Analyse von Mitarbeiter-Skills eingesetzt wird, zeigte er was momentan schon geht und wo noch es Probleme gibt.