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 heißt es eine Idee zu validieren?
  • Was muss passieren, damit nach einer erfolgreichen Validation das Projekt nicht im Sande verläuft, sondern zu tatsächlichem Mehrwert führt?
  • Wie schaffe ich es die Ergebnisse auch kontinuierlich zu verbessern?
  • Was ist dabei eigentlich anders als bei “normalen” Softwareprojekten?

Über diese Fragen diskutieren Marcel Mikl und Matthias Niehoff in diesem Webinar. Unsere Einschätzungen basieren auf Erfahrungen aus verschiedenen Projekten, bei denen die Entwicklung nicht nach einem PoC beendet war. Hier wurden die Modelle in eine bestehende Infrastruktur und Anwendungslandschaft integriert.

Die Speaker:

Matthias Niehof
Leiter Data & Machine Learning

Matthias Niehoff unterstützt als Data Architect sowie Head of Data & AI 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.

Dr. Marcel Mikl
Data & Machine Learning Consultant

Dr. Marcel Mikl ist es durch die mathematische Prägung im Zuge seiner Promotion gewohnt, auftretende Probleme strukturiert zu lösen. Derzeit interessiert er sich insbesondere für aktuelle Technologien rund um die Themen Data Science und Machine Learning.

 

Das Webinar findet in der Codecentric Ag seine Location. Es ist kostenlos und findet am 6.02.2020 von 11-12Uhr statt.

Hier geht es zum Anmeldelink:

https://info.codecentric.de/webinar-data-science-projekte?utm_campaign=Webinar%20-%20%20Data%20Science%20Projekte%3A%20Von%20der%20Idee%20bis%20zur%20Produktionsreife&utm_source=coworkit