Zurück

Big Insights with Small Data: Wie man mit wenigen Daten echte Probleme löst

Alle sprechen von KI – für manche ist sie Alltag, für andere Magie. Doch die theoretischen Grundlagen sind seit den 1950ern erstaunlich stabil – erst heutige Technologien machen sie in der Praxis wirklich nutzbar.

Data Science gilt oft als datenhungrig, aber was tun, wenn das Problem groß ist und die Daten klein sind?

Wir zeigen am Beispiel des LMU-Klinikums, wie Methoden der Data Science (K-Means- und GMM-Clustering, Regressionsmodelle bis hin zu Ensemble-Methoden) eingesetzt werden können, um stabilere OP-Pläne zu erstellen – Schritt für Schritt, praxisnah und überraschend effektiv

Vorkenntnisse

Grundkenntnisse in Datenaufbereitung und maschinellem Lernen sind hilfreich, aber nicht zwingend vorausgesetzt.

Lernziele

Teilnehmende lernen

Daten zu verstehen, bevor man sie modelliert: fundiertes Datenverständnis ist der Schlüssel zu sinnvollen KI-Anwendungen.
Strategien für Datenaufbereitung und Feature Engineering kennen: von Clustering bis zur Vorbereitung für Regressionsmodelle.
Modelle zu vergleichen und zu evaluieren: passende Metriken für konkrete Fragestellungen finden.

Speaker

Anastasia Hort hat an der Technischen Hochschule Rosenheim ihren Master in Software & Systems-Engineering erworben. Sie arbeitet seit 2024 bei QAware als Software Engineer und Data Scientist, mit dem Spezialgebiet Machine Learning. Besonders fasziniert sie, wie Modellierung und Algorithmen helfen können, Ordnung in komplexe, unsichere Systeme zu bringen.

Harald Störrle ist seit 2000 im Bereich Anforderungen, Prozesse und Modellierung tätig. Er arbeitet mit Stakeholdern und Fachabteilungen und bringt ihre Wünsche und Ziele in eine Form, dass Entwickler und Architekten daraus gute Software bauen können. Seit ein paar Jahren nennt man das auch "Product Owner". In einem Paralleluniversum ist er Wissenschaftler mit Schwerpunkt empirische Methoden.

Jetzt Tickets sichern