data2day 2014

Tools und Methoden für Big, Smart und Fast Data | Karlsruhe, IHK, 26.-28. November 2014

Tools und Methoden für
Big, Smart und Fast Data
Karlsruhe, IHK, 26.-28. November 2014

data2day 2014 » Agenda »

Einführung in Data Science

Data Science ist in aller Munde, aber wenigen ist klar, was genau dahinter ist. In diesem Workshop sollen Grundideen und -konzepte von Data Science vorgestellt werden und an einige Use Cases typische Arbeitsabläufe und Analysemethoden vorgestellt werden. Die Beispiele werden in Python sein und aktuelle Toolboxen wie pandas, matplotlib und scikit-learn vorstellen. Teilnehmer können die Schritte selber auf ihren Laptops nachvollziehen. Use Cases sind Click-Through-Rate (CTR) Prediction und Indoor-Lokalisierung von Mobilfunkgeräten aufgrund von WiFi-Messungen. Die Teilnehmer starten mit echten Rohdaten, lernen die Tricks-of-the-trade der Datenvorverarbeitung und kalibrieren eigene Machine-Learning-Modelle. Ein besonderer Schwerpunkt wird auf der richtigen Validierung der Modelle sowie der Auswahl geeigneter Metriken zur Performance-Messung liegen.

Teilnehmer des Workshops erhalten einen Überblick und einen Startpunkt, um ihr Interesse weiter zu vertiefen.

Referenten

// Mikio Braun Mikio Braun
@mikiobraun

ist Mitgründer von streamdrill, einem Start-up im Bereich Echtzeitdatenanalyse aus Berlin, und PostDoc an der TU Berlin im Bereich maschinelles Lernen. Er beschäftigt sich insbesondere mit der effizienten Analyse von Echtzeiteventströmen mit Anwendungen in Social Media, Trend Detection, Ad Targeting, Recommendation und Personalization. Sein Hauptinteresse liegt momentan in algorithmischen Lösungen für Big-Data-Fragestellungen jenseits eines reinen Skalierungsansatzes.

// Dr. Paul von Bünau Dr. Paul von Bünau

ist Associate bei idalab, einem Berliner Beratungsunternehmen für Predictive Analytics, Data Science, Advanced Analytics und mathematischer Optimierung. Er unterstützt Unternehmen aus den Bereichen Pharma, Finance, E-Commerce und Digital bei der Übersetzung von Business-Fragestellungen in individuellen Analytics-Lösungen sowie deren Implementierung in IT und Prozesse.