Skalierbares Maschinelles Lernen

In Zeiten von Big Data mag man meinen, dass die Verarbeitung großer Datenmengen einzig eine Frage der Skalierung ist. Gerade bei komplexen Datenverarbeitungsansätzen, wie sie zum Beispiel aus dem maschinellen Lernen kommen, zeigt sich jedoch, dass hier Algorithmik und Infrastruktur Hand in Hand gehen müssen.

In diesem Vortrag werden verschiedene Ansätze dargestellt, Data-Science-Methoden auf großen Datensätzen anzuwenden. Praktische Anwendungsgebiete sind zum Beispiel die Vorhersage von Click-Through-Wahrscheinlichkeiten, wie sie bei Firmen wie Google verwendet werden.

// Referent

// Mikio Braun
@mikiobraun

arbeitet als Data Scientist und Delivery Lead bei Zalando, einem der größten Onlinehändler im Modebereich in Europa, im Bereich Recommendation und Search, der für Empfehlungen und Suche für die verschiedenen Vertriebskanälen verantwortlich ist.