Data-Science-Projektvorgehen in der Praxis: Agiles Experimentieren und stetiger Fortschritt mit Scrum

Data-Science-Projekte sind für viele Unternehmen neu und bringen in der Praxis vielfältige Herausforderungen mit sich. Denn eingebettet im Kontext von Wirtschaftlichkeitsanforderungen sind diese vielschichtig, iterativ, unsicher und komplex. Agile Projektmanagementmethoden wie Scrum bieten hierauf eine gute Antwort. Doch unserer Erfahrung nach ist es nötig, Scrum zu adaptieren, damit es wirklich zielführend und unterstützend eingesetzt werden kann. Erfahrungsberichte und Adaptionen von Scrum in Data-Science-Projekten stehen daher im Fokus dieses Vortrags.

 

Speaker

 

Caroline Kleist
Caroline Kleist leitet bei dem Beratungshaus mayato den Bereich Analytics. Mit einem Master of Science in Statistik und umfassender Projekterfahrung ist sie Expertin für Data Science. Sie ist erfahrene Begleiterin sowohl zur (Neu-)Einführung von Advanced-Analytics-Methoden und -Strategien sowie bei der konkreten Durchführung und Implementierung von Data-Science-Projekten – seien es Customer-Analytics-Projekte wie Recommendation Engines oder Streaming Data Analytics zur Auswertung von Maschinendaten für Predictive Quality.

Gold-Sponsoren

HMS
Structr

Silber-Sponsoren

codecentric
Phytec

Bronze-Sponsor

incontext.technology GmbH

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden