From Algorithm to Application: A Look into the World of Data Science with Falcony AI

+++Unsere 25. Podcast-Episode: Vom Algorithmus zur Anwendung: Ein
Blick in die Welt von Data Science mit Falcony AI+++ +++ English
Version below +++ In dieser Folge begrüßt René seinen Gast Mirza
Klimenta den Gründer von Falcony AI, der uns tiefe Einblicke in
spannende DataScience-Projekte geben wird. Wir tauchen gemeinsam
ein in faszinierende Themen wie Recommender-Systeme, Kausalität und
seine Erfahrungen mit verschiedenen Datenprojekten. Mirza teilt
offen sein Wissen über Algorithmenforschung bis zur praktischen
Anwendung in verschiedenen Branchen mit uns! Wir werden dabei z.B.
über die Zusammenarbeit mit einem Unternehmen sprechen, das sich
auf Inkasso spezialisiert hat. Mirza und sein Team entwickeln
Modelle zur Vorhersage der Wahrscheinlichkeit von Zahlungseingängen
bei Bankkunden. Mirza gibt euch auch wertvolle Tipps, etwa die
Wichtigkeit einer gründlichen Anfangsanalyse der Daten und das
Verständnis ihrer Verteilung, bevor man überhaupt Modelle auswählt.
Er betont, wie entscheidend es ist, einfache Basismodelle als
Vergleichsgrundlage zu verwenden, bevor komplexere Ansätze wie
Graph Neural Networks und Cloud-basierte Lösungen angewendet
werden. Diese Episode bietet nicht nur einen Einblick in aktuelle
Projekte und Technologien, sondern auch praktische Ratschläge für
Data Scientists, die ihre Methodik verfeinern wollen. Ein Muss für
jeden, der sich für die Schnittstelle von Datenwissenschaft und
realen Anwendungen interessiert. +++ English Version +++ In this
episode, René welcomes his guest Mirza Klimenta, the founder of
Falcony AI, who will provide deep insights into exciting data
science projects. Together, we delve into fascinating topics such
as recommender systems, causality, and his experiences with various
data projects. Mirza openly shares his knowledge from algorithm
research to practical application across different industries! For
instance, we will discuss his collaboration with a company
specializing in debt collection. Mirza and his team are developing
models to predict the likelihood of payment receipts from bank
clients. Mirza also offers valuable tips, such as the importance of
a thorough initial analysis of the data and understanding their
distribution before even selecting models. He emphasizes how
crucial it is to use simple baseline models as a point of
comparison before applying more complex approaches like Graph
Neural Networks and cloud-based solutions. This episode not only
provides a glimpse into current projects and technologies but also
offers practical advice for data scientists looking to refine their
methodologies. It's a must-listen for anyone interested in the
intersection of data science and real-world applications.