Zurück

Data-Science-Projektvorgehen in der Praxis: Agiles Experimentieren und stetiger Fortschritt mit Scrum

Data-Science-Projekte sind für viele Unternehmen neu und bringen in der Praxis vielfältige Herausforderungen mit sich. Denn eingebettet im Kontext von Wirtschaftlichkeitsanforderungen sind diese vielschichtig, iterativ, unsicher und komplex. Agile Projektmanagementmethoden wie Scrum bieten hierauf eine gute Antwort. Doch unserer Erfahrung nach ist es nötig, Scrum zu adaptieren, damit es wirklich zielführend und unterstützend eingesetzt werden kann. Erfahrungsberichte und Adaptionen von Scrum in Data-Science-Projekten stehen daher im Fokus dieses Vortrags.

Speaker

Michael Aringer ist Berater für den Bereich Data Science und Advanced Analytics bei mayato. Mit einem Master in Wirtschaftsinformatik and der HU Berlin und mehrjähriger Projekterfahrung aus verschiedenen Branchen ist er Profi für Data Science. Er begleitet Kunden bei der Durchführung und Implementierung von Data-Science Projekten von Anfang bis Ende. Schwerpunkte sind Customer-Analytics-Projekte wie Churn-Prediction oder Image Analytics wie die Objekterkennung in Bildern.

Gold-Sponsoren

Silber-Sponsoren

Bronze-Sponsor

JETZT SPONSOR WERDEN

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

Anmelden