Data Science mit Milch und Zucker Archiv
35 Episoden
39 Minuten
In der fünften Folge sprechen Prof. Dr. René Brunner von Datamics und Kai Schwab von Crosser darüber, welche Herausforderungen im Data Science Umfeld, spezifisch bezüglich IoT Prozesse, strategisch überwunden werden können.
31 Minuten
In der vierten Folge sprechen Prof. Dr. René Brunner von Datamics und Marlin Watling von 129 & Lumen Partners worauf man achten muss, um den AI Wandel erfolgreich ermöglichen zu können. Hierfür beziehen sie sich auf ihre vergangenen Erfahrungen sowie ihre Arbeit in ebendiesem Bereich, um sowohl dem Management sowie den Data Scientists konkrete Tipps und Ratschläge geben zu können.
23 Minuten
In der dritten Folge sprechen Prof. Dr. René Brunner von Datamics und Data Coach Sarah Stemmler darüber, wie genau Data Coaching eigentlich aussieht. Hierbei beantworten sie die Fragen, wie Data Coaching Unternehmen dabei helfen kann, sich weiterzuentwickeln, Prozesse zu verbessern, um die Qualität sowie Effizienz zu steigern und innovativer zu werden.
32 Minuten
In der zweiten Folge sprechen Prof. Dr. René Brunner von Datamics und Technical Compliance Manager Dr. Ingo Stock darüber, was Compliance im Data Science Bereich eigentlich beinhaltet. Von Datenschutz, über die Verfügbarkeit und Besitz der Daten bis hin zu den Gesetzen, die die Arbeit mit Daten beeinflussen - mithilfe von Use Cases behandeln sie alles, worauf man in Data Science achten muss.
28 Minuten
++++ Folge 1: Mehr Wirkung durch bessere Daten: Was moderne ML-Projekte wirklich brauchen++++ (english below) In dieser Folge spricht Eric Joachim Liese über die wahren Erfolgsfaktoren moderner Machine-Learning-Projekte. Statt sich monatelang mit Modelloptimierung aufzuhalten, rät er zu einem datengetriebenen Ansatz: bessere Datenqualität, gezieltes Labeling mit Active Learning, sowie ein klarer Fokus auf Operationalisierung und MLOps. Wir beleuchten typische Herausforderungen in deutschen Unternehmen, den Wandel vom Data Scientist zum ML Engineer und wie sich durch moderne Infrastruktur Use Cases schneller und skalierbarer umsetzen lassen. Ein Gespräch für alle, die KI nicht nur diskutieren, sondern wirklich produktiv machen wollen. ++++ english ++++ In this episode, Eric Joachim Liese shares key insights on how to make machine learning impactful in real business environments. Rather than over-optimizing models, he advocates a shift toward data quality, Active Learning for smarter labeling, and structured MLOps to accelerate delivery. The discussion covers organizational gaps, cultural blockers in German companies, and the evolving role of ML engineers. Learn how to move from experimentation to execution – and how the right infrastructure enables faster, repeatable, and scalable AI use cases.
