Zum Hauptinhalt

Die Online-Konferenz von Heise

Data Science
im Unternehmen

Data-Science-Projekte meistern: von der Idee zur Produktion

6. Juli 2021

TICKET BUCHEN

DATA SCIENCE IN DER PRAXIS

Kaum ein Berufsfeld ist in den letzten Jahren so rasant gewachsen wie das des Data Scientists. Nahezu jedes Unternehmen arbeitet mit immer größeren Datenmengen und steht vor der Herausforderung, aus ihnen Schlüsse für aktuelle und zukünftige Geschäftsfelder zu schließen. Doch der Ablauf eines Data-Science-Projekts ist äußerst komplex, beansprucht viele Unternehmensbereiche und benötigt viel Know-how und Erfahrung.

In der Online-Konferenz von Heise zeigen wir Ihnen anhand eines praktischen Beispielprojekts, wie Sie ein Data-Science-Projekt von den Anforderungen bis zur Management-Präsentation meistern können. Angefangen bei der richtigen Formulierung einer Fragestellung bearbeiten wir die vollständige technische Umsetzung des Projekts, inklusive Aufarbeitung und Präsentation der gesammelten Erkenntnisse – immer praxisnah und konkret. Am Ende sind Sie in der Lage, das gelernte Wissen für Ihre eigenen Projekte anzuwenden und wissen genau, wo mögliche Fallstricke liegen und welche Best Practices Sie umsetzen müssen, um Ihr Data-Science-Projekt zum Erfolg zu bringen.

DIE KONFERENZ

  • 09:00 Uhr bis 09:15 Uhr

    Begrüßung

    Björn Bohn, heise Knowledge

    Wir heißen Sie herzlich willkommen zu unserer Online-Konferenz und geben Ihnen einen Ausblick auf den Tag.

  • 09:15 Uhr bis 10:00 Uhr

    Business Understanding für Data Science

    Stefanie Scholz, SRH Wilhelm Löhe Hochschule

    In diesem Vortrag gehen wir auf den Ausgangspunkt jedes Data-Science-Projekts ein: den möglichen Geschäftswert, den das Projekt erschließen soll. Dabei gehen wir auf die Fallstricke ein, die in der Definition des Projekts liegen können und betrachten wichtige Zusammenhänge zwischen den Arbeitsbereichen und gehen auf den CRISP-Prozess im Detail ein (Cross-industry standard process for data mining). Am Ende des Vortrags haben wir eine genaue Spezifikation für unser Data-Science-Projekt vorliegen und verstehen, warum das Projekt aus Geschäftssicht sinnvoll ist.

  • 10:15 Uhr bis 11:15 Uhr

    Datensuche, Exploration und Statistik: Kann ich mit meinen Daten arbeiten und wenn ja, wie?

    Stefanie Scholz & Christian Winkler, SRH Wilhelm Löhe Hochschule & datanizing

    In diesem Vortrag tauchen wir in das Themenfeld der Statistik ein. Wir lernen, wo wir die für uns notwendigen Daten eigentlich finden können, wie wir sie herunterladen und extrahieren und analysieren, ob unsere vorliegenden Datensätze überhaupt ausreichend gut sind, um unser Data-Science-Projekt durchzuführen. Außerdem zeigen wir auf, wie wir die passenden Methoden zur Arbeit mit unserem Datensatz auswählen und bereiten damit die nächsten Schritte des Workflows vor. Aussagekräftige Diagramme unterstützen dabei diesen Prozessschritt.

  • 11:30 Uhr bis 12:30 Uhr

    Preprocessing und Datenanalyse

    Jonas Rende & Thomas Stadelmann, DATEV

    In diesem Vortrag gehen wir die ersten Schritte der Datenanalyse an. Wir werden unser erstes Machine-Learning-Modell einsetzen, um unsere Daten mit einem unüberwachten Modell zu analysieren. Dabei versuchen wir festzustellen, wie gut die Daten zu den Business-Anforderungen passen und ziehen bereits erste Schlüsse bezüglich des Projektauftrags.

  • 12:30 Uhr bis 13:30 Uhr

    Mittagspause

    Nutzen Sie die Mittagspause gerne zum Austausch mit anderen Teilnehmer:innen der Konferenz.

  • 13:30 Uhr bis 14:15 Uhr

    Erstellung eines Vorhersagemodells

    Christian Winkler, datanizing

    In diesem Vortrag erweitern wir unsere Modelle um ein Trend-Detection-Modell, um Vorhersagen bezüglich unseres Datensatzes treffen zu können. Dabei schauen wir uns die Implementierungsmöglichkeiten und die Best Practices für diese Arbeit im Detail an. Wir nutzen dazu intuitive verständliche Auswertungen und Visualisierungen.

  • 14:30 Uhr bis 15:15 Uhr

    Data Storytelling: Reporting und Best Practices

    Wadim Wormsbecher, StackFuel

    In diesem Vortrag beschäftigen wir uns mit Data Storytelling. Wir zeigen, wie wir unsere Daten bewerten und eine Geschichte daraus ableiten, die wir im Unternehmen entsprechend kommunizieren können. Dabei bieten wir zahlreiche Praxistipps und Best Practices, die für die Aufbereitung der Daten fürs Storytelling wichtig sind. Evtl. müssen wir dazu bereits vorhanden Auswertungen noch etwas justieren.

  • 15:30 Uhr bis 16:15 Uhr

    Daten verständlich kommunizieren mit Jupyter Voilà

    Alexander Friedenberger, StackFuel

    Dieser Vortrag widmet sich der Kommunikation der Ergebnisse, die wir anhand des Data Storytelling vorbereitet haben. Dabei setzen wir Jupyter Voilà ein, um eine kleine Prototyp-Anwendung zu bauen und die Ergebnisse den Business-Interessen zu kommunizieren. Voilà bietet im Vergleich zu einer statischen Powerpoint-Präsentation den Vorteil, dass es bei jedem Browser-Reload immer auf die neuesten Daten zugreift und daher evtl. Fehler schnell behoben werden können bzw. gar nicht in Präsentation per E-Mail zirkulieren können.

  • 16:30 Uhr bis 17:15 Uhr

    Operationalisierung von Data Science (MLOps): Die Modelle in die Produktion bringen

    Christian Koch & Moritz Bunse, TeamBank

    Im letzten Vortrag der Konferenz schauen wir uns an, wie wir unser Data-Science-Modell in der Produktion einsetzen. Dafür überführen wir das Modell in ein Dashboard und zeigen, wie wir es automatisieren und aktualisieren können, um es regelmäßig einzusetzen. Dazu verlassen wir ein stückweit die Jupyter-Welt und konstruieren eine klassische Client-Server-Anwendung, in der wir allerdings viel des bisher Gelernten verwenden können.

IHRE EXPERTEN

  • Christian Winkler

    Christian Winkler

    Data Scientist, datanizing

    Dr. Christian Winkler ist Data Scientist und Machine Learning Architect bei datanizing. Er promovierte in theoretischer Physik und arbeitet seit 20 Jahren im Bereich großer Datenmengen und Künstliche Intelligenz, insbesondere mit Fokus auf skalierbaren Systemen und intelligenten Algorithmen zur Massentextverarbeitung.

  • Stefanie Scholz

    Stefanie Scholz

    Professorin für Sozialwirtschaft, SRH Wilhelm Löhe Hochschule

    Stefanie Scholz ist Professorin für Sozialwirtschaft an der SRH Wilhelm Löhe Hochschule in Fürth. Nach ihrer Tätigkeit als Bereichsleiterin für Marketing und Vertrieb befasst sie sich mit KI-gestützten Marketinganalysen. Data driven Marketing und Advanced Analytics stehen im Fokus ihrer Forschungsaktivitäten.

  • Moritz Bunse

    Moritz Bunse

    Lead Data Scientist, TeamBank

    Moritz Bunse ist Lead Data Scientist bei der TeamBank AG, den Machern von easyCredit. Während seines Physik-Studiums an der TU Dortmund suchte er mittels Machine Learning in den ersten Daten des LHC nach Top Quarks. 2011 wechselte er in die Finanzbranche, wo er sich zunächst der Entwicklung von Kreditrisikomodellen widmete, bevor er ab 2017 das Data Science Team und die Analytics Plattform der TeamBank mit aufgebaut hat.

  • Christian Koch

    Christian Koch

    Datenarchitekt, TeamBank

    Christian Koch ist Datenarchitekt bei der TeamBank AG und Dozent an der Technischen Hochschule Nürnberg Georg Simon Ohm. Er begann seine Karriere als IT-Consultant und hat seitdem analytische Systeme für verschiedene europäische Banken und öffentliche Institutionen entwickelt. Seine Spezialgebiete umfassen Datenarchitekturen, Data Science und Machine Learning.

  • Jonas Rende

    Jonas Rende

    Senior Data Scientist, DATEV

    Jonas Rende ist Senior Data Scientist bei der DATEV eG und arbeitet in der Abteilung für kundenzentriertes Design. Er nutzt Machine-Learning-Methoden, um Kundenbedürfnisse aus umfangreichen Text- und Nutzerverhaltensdaten zu extrahieren. Gemeinsam mit Thomas Stadelmann arbeitet er daran, Erkenntnisse aus Kundenfeedback automatisch zu generieren. Darüber hinaus legt er den Grundstein für eine Customer-Experience-Plattform.

  • Thomas Stadelmann

    Thomas Stadelmann

    Senior Data Scientist, DATEV

    Thomas Stadelmann ist Senior Data Scientist bei der DATEV eG. Seine Arbeitsschwerpunkte sind Information Retrieval, neuronale Suche, Query-Log-Analyse und A/B-Testing. Vor 10 Jahren begann Thomas als Softwareentwickler bei DATEV und im Laufe der Zeit wuchs seine Leidenschaft für Data Science stetig. Seine aktuellen Forschungsinteressen umfassen Natural Language Processing, Machine Learning mit Schwerpunkt Deep Learning, Suchauswertung, Datenstrukturen, Systems Re-Engineering und alles Berechenbare.

  • Wadim Wormsbecher

    Wadim Wormsbecher

    Educational Data Scientist, StackFuel

    Wadim Wormsbecher arbeitet als Educational Data Scientist bei StackFuel und entwickelt Lernkurse zu verschiedenen Schwerpunkten in den Themengebieten Data Science und Artificial Intelligence. Er ist Doktor der theoretischen Physik (HU Berlin) und hat ein Faible für Wissenschaftskommunikation.

  • Alexander Friedenberger

    Alexander Friedenberger

    Educational Data Scientist, StackFuel

    Alexander Friedenberger arbeitet als Educational Data Scientist bei StackFuel. Er ist ehemaliger wissenschaftlicher Mitarbeiter an der Friedrich-Alexander-Universität Erlangen-Nürnberg. Während seiner Zeit als Educational Data Scientist bei StackFuel hat Alexander unter anderem das Training Quickstart Deep Learning auf die Beine gestellt.

  • Merlin Schaefer

    Merlin Schäfer

    Junior Data Scientist, StackFuel

    Merlin Schäfer arbeitet als Jr. Data Scientist bei StackFuel und entwickelt Lernmaterialen zu verschiedenen Themen im Bereich Data Science und Python. Er hat Psychologie sowie Data Science studiert und interessiert sich für die gesamte Breite des Data-Science-Spektrums.

TICKETS BUCHEN

  • Ein ganzer Tag Data-Sciene-Know-how
  • Sieben Praxisvorträge renommierter Experten
  • Data-Science-Projekte von A bis Z
  • Online-Teilnahme vom eigenen Schreibtisch aus
  • Tauschen Sie sich mit anderen Teilnehmern aus
  • Stellen Sie den Experten Fragen über den Chat
  • Unbefristeter Zugang zu allen Videos & Materialien
  • Ideal für Teams und Unternehmen

Frühbucherpreis: 149 €*

Profitieren Sie bis zum 13. Juni von unserem Frühbucherrabatt und sparen Sie 50 €!

Sie wollen mit Ihrem Team oder Ihrem Unternehmen an der Konferenz teilnehmen?

Kontaktieren Sie Björn Bohn für ein exklusives Angebot!

JETZT BUCHEN

*Alle Preise verstehen sich inkl. gesetzl. MwSt. (kann je nach Bestimmungsland im Bestellverlauf variieren).

GOLD-SPONSOR

  • Marmeladenbaum

    Die Marmeladenbaum GmbH wurde 2009 von Claudia Koschtial und Carsten Felden gegründet. Wir haben unsere Kernkompetenzen in den Bereichen Business Intelligence, Business Analytics sowie Prozesse und Digitalisierung. Dabei behalten wir den engen Kontakt zur Forschung und damit auch zur Innovation bei.

    Business Intelligence oder Analytics betrachten wir als umfassende Konzepte vom Data Warehouse bis zum Maschinellen Lernen gepaart mit einem Methodenspektrum zur Unterstützung von Entscheidungen durch Informationen. Wir bieten Ihnen einen Erfahrungsrahmen an zur schnellen Realisierung von Projekterfolgen an, um datenzentrierte Geschäftsmodelle zum Erfolg zu bringen. Dabei transferieren wir Methoden-Know-How in Schulungen und gewährleisten damit Lebensfähigkeit der Systemlösung bei Ihnen vor Ort.

SPONSORING

Sie haben Interesse an einer Partnerschaft? Kontaktieren Sie uns und profitieren Sie als Sponsor von unseren maßgeschneiderten Paketen.

Gern erstellen wir Ihnen ein Angebot!

Tarik El-Badaoui // +49 [0] 511 5352-395 // teb@heise.de