Machine Learning pragmatisch gedacht: Wie man Probleme ganz bodenständig löst

Daniel Molnar richtet sich in diesem Talk von der ML Conference 2019 an die Underdogs: Wer keine Ressourcen zur Verfügung hat, aber Aufgaben im Kontext der Datenanalyse lösen muss, findet hier die Lösung. DSGVO, Deep Learning und die ganzen Hypes: Der Speaker stellt opinionierte Lösungen vor und erklärt, welche Probleme sie lösen und welche sie neu hinzufügen. Dabei befasst er sich nicht mit Produktbroschüren und GitHub-Sternen, sondern mit einem bodenständigen Ansatz, um reale Probleme praktisch zu lösen.

Daniel Molnar is the Data Janitor, data nerd, and start-up specialist with nineteen years of experience in start-ups and nine in data. Experienced co-founder, built and hired teams up to thirty persons. Proven build-to-market capabilities. Utilizing data for successful products – CS + data + product background under one hat.

Applying Machine Learning online at Scale

by Jon Bratseth (Verizon)

Interpretable Machine Learning – Application to Finance and Banks

by Debjyoti Paul (Amazon)

Modellmanagement und ML-Workflow-Orchestrierung mit DVC und Apache Airflow

mit Matthias Niehoff (Codecentric AG)

Machine Learning im eigenen Projekt anwenden

mit Kim Nena Duggen und Oliver Zeigermann (embarc)