Möchten Sie mit Ihrem Team teilnehmen? Ab drei Personen profitieren Sie von unseren Gruppenrabatten! Direkt im Shop buchen!

Data Science Projekte: Von der Idee bis zur Produktionsreife

Viele Unternehmen starten aktuell mit Daten- und ML-Projekten. Zum Teil weil "etwas mit Daten gemacht werden muss", aber auch um aktuelle Herausforderungen zu lösen, Prozesse zu optimieren oder um ganz neue Geschäftsideen am Markt zu platzieren.

Doch wie startet man mit einem Data-Science-Projekt? Was bedarf es, um zunächst einmal eine Idee zu valideren? Was muss passieren, damit nach einer erfolgreichen Validation das Projekt nicht im Sande verläuft, sondern zu tatsächlichen Mehrwert führt. Wie schaffe ich es die Ergebnisse auch kontinuierlich zu verbessern? Und was ist dabei anders als bei normalen Softwareprojekten?

Auf diese Fragen soll eine Antwort gegeben werden, basierend auf der Erfahrung aus verschiedenen Projekten, bei denen die Entwicklung nicht mit dem PoC beendet war, sondern die Modelle in bestehende Infrastruktur und Anwendungen integriert wurden.

Vorkenntnisse

Keine speziellen Vorkenntnisse notwendig.

Lernziele

Nach dem Talk können die Teilnehmer abschätzen, welche Herausforderungen gelöst werden müssen, damit Daten- und ML-Projekten einen Mehrwert generieren.

Speaker

 

Matthias Niehoff
Matthias Niehoff ist als Data Architect sowie Head of Data & AI für die codecentric unterwegs und unterstützt Kunden bei Design und Umsetzung von Datenarchitekturen. Dabei liegt sein Fokus weniger auf dem ML-Modell, sondern viel mehr auf der notwendigen Infrastruktur & Organisation, um Data Science Projekte zum Erfolg zu verhelfen.

Gold-Sponsoren

InterSystems
INNOQ
PRODATO

Silber-Sponsoren

HMS Analytical Software
inovex

Bronze-Sponsor

andrena

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden