Berufsbild „Data Scientist“
- „The Sexiest Job of the 21st Century“
- Begriffe und Grundlagen
- Mengendiagramm (Mathematik/Statistik/Informatik/Fachkompetenz)
- Einsatzgebiete/Märkte/Anwendungsfälle/Geschäftsmodelle
Arbeiten Sie aktiv mit Ihrem Team in einer praktischen Übung
Teil 1: Anwendungsfälle sammeln
Berufsbild „Data Scientist“
- Data Science im Unternehmen einführen
- Aufgaben und Rollen (Data Scientist/Data Engineer/Data Analyst/Projektmanager)
- Vom Alchemisten zum Datenprofi
- Starke Analysen durch fundiertes Domänenwissen
- Der Domänenexperte und „seine“ Daten / AutoML
- Advanced Data Analysis Demo
Vorgehen: Schritte zum erfolgreichen Data-Science-Projekt
- CRISP-DM Übersicht: Stufen im Data Mining
- EU-initiierter weltweiter Standard
- Geschäftsverständnis/Datenverständnis/Datenvorbereitung/Modellierung/Evaluierung/Bereitstellung
Werkzeuge und Plattformen
- Standards (SQL/CSV/…)
- Sprachen (Python/C/…)
- Libraries/Frameworks (Numpy/…)
- Anbieter/Plattformen (KNIME/…)
- Hyperscaler (AWS/Azure …)
- GenAI
GenAI
- Was ist generative KI?
- Beispiele aus Text, Bild, Audio und Programmcode
- GenAI-Werkzeuge
Verwertbare Daten
- Big Data:
- Volumen, Vielfalt, Geschwindigkeit und Wahrhaftigkeit
- Strukturiert - unstrukturiert
- Big Data – Small Data
- Synthetische Daten
- Datenstrategie
Hardware
- Cloud/Edge/Prozessor/…
- Moore’sches Gesetz
- Trainieren und Bewerten
Vertrauen und Ethik
- DSGVO – das sollten Unternehmen beachten
- Explainable AI und Vertrauenswürdige KI
- Federated Learning
Arbeiten Sie aktiv mit Ihrem Team in einer praktischen Übung
Teil 2: Kriterien erstellen und Anwendungsfälle bewerten
Der Projektablauf
- Beispiele aus der Praxis
- Workshop und Proof of Concept
- Geheimhaltungsvereinbarung
- Methodik und Randbedingungen
- Basisverständnis als Mindestanforderung des Auftraggebers
- Projektprotokoll
- Kommunikation von Analyseergebnissen
Arbeiten Sie aktiv mit Ihrem Team in einer praktischen Übung
Teil 3: Präsentation eines Vorschlags aus der TOP3 zu Anwendungsfällen und dem Proof of Concept
Data Science in der Welt
- Wie sieht es in den USA, China, Europa etc. aus?
- Klimawandel, Armut und autonome Waffensysteme
- Demokratie und Weltherrschaft
- Patente