Konferenz für Big Data,
Machine Learning und Data Science
Heidelberg, Print Media Academy, 26.-28. September 2017

// Programm

Die Workshops finden am 26. September statt, die Konferenz am 27. und 28. September.

Workshops

Dienstag, 26. September
09:00 - ca. 16:30

Stephanie Fischer
Christian Winkler

mgm consulting partners, mgm technology partners

Analyse und Klassifikation großer Mengen von Textdaten

Alexander Hendorf

Königsweg

Interaktive Datenanalyse mit Pandas und Jupyter

Francesco Novy
Lisa Gringl

Cropster

Responsive Datenvisualisierung mit modernen Webtechnologien

Kaya Kupferschmidt

dimajix

Machine Learning mit PySpark

Oliver Zeigermann

zeigermann.eu

Deep Learning: Bilderkennung mit Keras und TensorFlow

Konferenz

Mittwoch, 27. September
08:00 Registrierung
09:10 - 09:20 Begrüßung
09:20 - 10:20

Trent McConaghy

BigchainDB | IPDB | ascribe

Keynote I: Blockchains for AI, from Data Exchanges to Millionaire AIs

10:20 Kaffeepause
10:50 - 12:00

Oliver Zeigermann

zeigermann.eu

Interaktive​ Einführung in Machine Learning mit scikit-learn

Manfred Weber

1&1 Internet SE

Blueprint einer Kappa-Architektur: Big Data wird Big Fast Data

Simon Kaltenbacher

Alexander Thamm GmbH

Ein Blick hinter die Kulissen von Apache Spark

12:10 - 12:50

Patrick Baier
Stanimir Dragiev

Zalando Payments

Skalierbares Machine Learning mit Apache Spark in der Betrugserkennung

Alexander Hendorf

Königsweg

Interaktive Datenanalyse mit Pandas und Jupyter

N. N.

TBA

12:50 Mittagspause
13:50 - 14:30

Fabian Bormann

IAV

Vorstellung von Microsofts Cognitive Toolkit anhand einer Implementierung von semantischer Segmentierung

Daniel Pape
Michael Plümacher

codecentric

Sparse Data: Don't Mind the Gap!

Hans-Peter Zorn
Nico Kreiling

inovex

Schnelles Big-Data-Deyploment durch Container in der Cloud

14:40 - 15:20

Andy Petrella

Kensu

The Accountability Principles of GDPR: use Data Science Governance as an Anxiolytic for Data Scientists and Officers

Rico Knapper

anacision

Predictive Maintenance als Schlüssel zum Erfolg: ein Praxisbericht für Großindustrieanlagen

N. N.

TBA

15:20 Kaffeepause
15:50 - 16:30

Jakob Karalus

codecentric

Verteiltes Deep Learning mit TensorFlow und Kubernetes

Philipp Krenn

Elastic

Verteilte Queries mit Elasticsearch

Christopher Reher

Platform161

EU-DSGVO: Level-Playingfield für den Markt auf Basis dreier Grundprinzipien

16:40 - 17:20

Danny-Michael Busch
Jan Brusch

neuland - Büro für Informatik

Echtzeitoptimierung mit Bandit-Algorithmen

Calvin Seward

Zalando SE

Search at Petabyte Scale: Approximate-Nearest-Neighbor-Suche

Kaya Kupferschmidt

dimajix

Wege zum Enterprise Data Lake

17:30 - 18:10

Daniel Wrigley

SHI GmbH

Relevanztuning ist keine Magie – es ist Machine Learning!

Nico Kreiling

inovex

Apache Zeppelin: Visualisierung für Big Data and Streaming

Markus Schmidberger

Scout24

Vom DWH zur Enterprise Data Plattform in der Cloud

ab 18:40

Thementische + Abendprogramm

Donnerstag, 28. September
09:00 - 10:10

Marcel Tilly

Microsoft

Mein Roboter lernt - mit Reinforcement Learning zum Erfolg

Petar Zecevic

SV Group d.o.o.

Apache Spark Streaming at the core of IoT - a demo

Thomas Haug

Mathema Software

Graphdatenbanken in der Codeanalyse

10:10 Kaffeepause
10:40 - 11:20

Stefan Otte

The unbelievable Machine Company

Gamification von Suche mit Bandits, Bayes und Swipes - oder: Wie man mit Small Data arbeitet

Sebastian Marsching

aquenos

Zeitserien in Apache Cassandra: Was man falsch (und richtig) machen kann

N. N.

TBA

11:30 - 12:10

Florian Müller
Ramon Wartala

Time Series Forecasting für Mengen- und Bestandsprognosen

Andreas Prawitt

eoda

Der Einsatz von R bei Predictive Maintenance: ein Anwendungsfall am Beispiel der TRUMPF Laser GmbH

Rüdiger Hyka

Fraunhofer IVI

Semantisches Tagging von unstrukturierten Texten zur Identifizierung von Events

12:10 Mittagspause
13:10 - 14:10

N. N.

Keynote II

14:20 - 15:00

Daniel Pape
Matthias Radtke

codecentric

Ordnung im Blog: Strukturierung umfangreicher Datenmengen durch Topic-Modeling

Maximilian Michels

Crate.io

Die letzte Data-Processing API? Apache Beam unter der Lupe

N. N.

TBA

15:00 Kaffeepause
15:30 - 16:10

N. N.

Der Lebenszyklus von Big-Data-Anwendungen

Mario-Leander Reimer

QAware

Elegantes In-Memory-Computing mit Apache Ignite und Kubernetes

N. N.

TBA

16:20 - 17:00

Wilfried Hoge
Stephan Reimann

IBM Deutschland

Erste Schritte zum Bau eines Chatbots

Stefan Kühn

XING

Learning to Rank

Ingo Rues

SAP

Neue Einblicke in Big Data: 3D-Visualisierung als Basis der Mustererkennung



l>