Zurück

Zeit für Zeitreihen – Projekteinblicke in die Arbeit mit Vorhersagen

In den letzten Jahren betreute HMS dauerhaft mehrere Kundenprojekte, die (largescale-) Zeitreihen und deren Vorhersagen zum Schwerpunkt hatten. Vom Applikationsarchitekten, über den MLOps-Ingenieur bis hin zum Modellierer wurden alle Rollen innerhalb eines produktiven ML-Projektes übernommen.

In diesem Vortrag berichten Markward und Christoph zum einen über die gesammelten Erkenntnisse und geben zum anderen Einblicke in den Projektverlauf. Die Themen sind vielfältig und oft auf ML-Projekte im Allgemeinen übertragbar. Sie reichen vom Übergang von Exploration zur Produktion, über MLOps und technische Lösungen bis zur Teaminteraktion und bilden damit einen kompletten Lebenszyklus eines ML-Projektes ab.

Vorkenntnisse

Erste Einblicke und Erfahrungen mit ML-Projekten

Lernziele

Was sind die wesentlichen Elemente bei derartigen Projekten?
Was sind Fallstricke und was die daraus resultierenden Best Practices – architektonisch, technisch, in der Modellierung, in der Zusammenarbeit im Team und mit den Business Usern?

Speaker

Dr. Markward Britsch ist Senior Data Scientist bei HMS Analytical Software. Nach seiner Promotion wendete er in seiner Post-Doc-Zeit in der experimentellen Teilchenphysik unter anderem Machine-Learning-Methoden auf Daten des LHC am CERN an. Seit 2016 ist er bei HMS in vielen Projekten tätig, die ihren Fokus auf Machine Learning und Zeitreihen in der Anwendung im Unternehmen setzen.

Christoph Bergen studierte Mathematik an der TU Darmstadt und arbeitet seit 2018 als Data Scientist und Projektleiter bei HMS Analytical Software. Seine Arbeit umfasst alle Aspekte der modernen Datenwissenschaft, wie Modellbildung, Erstellen von Prognose-Frameworks oder Datenverarbeitung mit Technologien wie Python, R, Spark und dem Microsoft Analytics Stack.

Jetzt Tickets sichern

Gold-Sponsoren

Silber-Sponsoren

JETZT SPONSOR WERDEN

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

Anmelden