Wie skaliert man Data Science-Use Cases? Was muss man dabei beachten? Das und mehr diskutieren wir gemeinsam mit Walter Denk, Senior Data Scientist bei Bayer, und Theo Steininger.
Walter’s LinkedIn: Walter Denk | LinkedIn
Bayer: Bayer: Übersicht | LinkedIn
Podcast: Play in new window | Download
Subscribe: Google Podcasts | Spotify | Email | TuneIn | Deezer | RSS
Wie funktioniert effektives und nachhaltiges Deployment? Muss man als Data Scientist nach dem Projekt noch Babysitter für sein Modell spielen? Das und noch mehr diskutieren wir gemeinsam mit Oliver Bracht, Chief Data Scientist der eoda GmbH, und Theo Steininger in dieser neuen Folge.
Oliver’s LinkedIn: Oliver Bracht | LinkedIn
eoda: Data Science Dienstleister: Nutzen Sie jetzt Ihre Daten (eoda.de)
Podcast: Play in new window | Download
Subscribe: Google Podcasts | Spotify | Email | TuneIn | Deezer | RSS
Wie funktioniert agiles Projektmanagement in Data Science-Projekten? Was ist die Idee hinter Crisp-DM? Welche Rolle spielt Erwartungsmanagement im Projekt? Das und mehr diskutieren wir gemeinsam mit Sebastian Eckert, Data Analyst aus dem TechHub der AUDI AG, und Maksim Greiner.
Sebastian’s LinkedIn: Sebastian Eckert | LinkedIn
AUDI AG: AUDI AG: Übersicht | LinkedIn
Podcast: Play in new window | Download
Subscribe: Google Podcasts | Spotify | Email | TuneIn | Deezer | RSS
Strukturierter Data Lake oder bedarfsorientierter Flickenteppich? Wie geht man im Kontext eines bestimmten Use Cases mit Missing Values und Outliern um? Und wieviel sitzt ein Data Scientist wirklich vorm Computer? Das Preprocessing ist in den meisten Data Science-Projekten der zeitaufwändigste und nervenaufreibendste Part. Gemeinsam mit Theo Steininger und Dr. Sandra Romeis diskutieren wir für wen was besser ist.
Sandra’s LinkedIn-Profil: Dr. Sandra Romeis | LinkedIn
Rehau: REHAU | Engineering progress – Enhancing lives
Staffel 3 Wettbewerb: Contest – The Erium Podcast
Podcast: Play in new window | Download
Subscribe: Google Podcasts | Spotify | Email | TuneIn | Deezer | RSS
Für welche Firmen macht ein Machine Learning-Projekt überhaupt Sinn? Was unterscheidet Data Science von Computer Science? Und wie entwickelt man eine ordentliche Corporate Strategy im Bezug auf zukünftige Data Science-Use Cases? Diese Fragen diskutieren wir gemeinsam mit Martin Szugat und Maksim Greiner.
Martin‘ LinkedIn-Profil: Martin Szugat | LinkedIn
Datentreiber: Unsere Methode für Ihre Datenstrategie – Datentreiber
Staffel 3 Wettbewerb: Contest – The Erium Podcast
Podcast: Play in new window | Download
Subscribe: Google Podcasts | Spotify | Email | TuneIn | Deezer | RSS
It’s Launch Time! Gemeinsam mit Data Science Team Manager Dr. Jan Therhaag und Theo Steininger diskutieren wir wie man ein Machine Learning-Projekt in einer Firma ins Rollen bringt, die erstmal gar nichts mit Data Science am Hut hat. Führt man Data Science bottom-up oder top-down ein? Müssen Nicht-Software-Unternehmen sich zu Software-Unternehmen wandeln? All das und noch mehr erfahrt ihr in dieser Folge.
Jan’s LinkedIn-Profil: Dr. Jan Therhaag | LinkedIn
Staffel 3 Wettbewerb: Contest – The Erium Podcast
Podcast: Play in new window | Download
Subscribe: Google Podcasts | Spotify | Email | TuneIn | Deezer | RSS
In dieser Folge unseres KI Podcasts reden wir über die Gretchenfrage der Data Science! Wie muss Kommunikation zwischen Data Scientist und Kunde stattfindet, um das Gelingen des Projekts zu sichern? Was ihr beachten müsst und wieviel Consulting man bei einem Machine Learning Projekt mitbringen muss, erfahrt ihr in dieser Folge.
Hier geht’s zum Interview mit Patricia Goldberg, die uns den Input für diese Diskussion gegeben hat
Podcast: Play in new window | Download
Subscribe: Google Podcasts | Spotify | Email | TuneIn | Deezer | RSS
Podcast: Play in new window | Download
Subscribe: Google Podcasts | Spotify | Email | TuneIn | Deezer | RSS
