Castuner

Data Science Deep Dive

INWT Statistics GmbH

Du bist Data Scientist oder interessierst dich für Daten, Maschine Learning und AI? Dann ist dieser Podcast für dich. Wir teilen unsere Learnings aus über 180 Projekten, du bekommst Infos und Anregungen zu spannenden Themen rund um Daten. Wir klären auf, geben Hinweise und teilen unsere Erfahrungen, die wir in mehr als 10 Jahren als Data Scientists im B2B Bereich gesammelt haben. Wir decken auf, was wirklich hinter den Hypes und Trends der Data Science Branche steckt. Wir hinterfragen, was ein Data Science Projekt erfolgreich macht und welche Faktoren es zum Scheitern verurteilen.

Сайт подкаста

Слушайте в своём приложении

Эпизоды

100 эпизодов

  1. #106: Die AI Pill im Realitätscheck: Agentic Programming und Produktivität 51:27
  2. #105: [DSK2] Data Strategy Kompass – Die Bestandsaufnahme 44:40
  3. #104: Treatment-Effekte messen: Was hat eine Maßnahme wirklich gebracht? 41:23
  4. #103: EU AI Act: Risikostufen, Pflichten und Watermarking mit SynthID 46:34
  5. #102: [PAIQ5] Predictive AI Quarterly 37:08
  6. #101: [DSK1] Data Strategy Kompass – Was Datenstrategie ist & was nicht 43:06
  7. #100: Crash Course Data Science: Was Entscheider*innen wissen müssen 56:07
  8. #99: Cluster-Architektur mit Kubernetes: self-hosted, managed oder gar nicht? 1:00:21
  9. #98: Risiken bei der Softwareentwicklung mit AI Agents 49:17
  10. #97: Die Güte von Gen-AI-Projekten bewerten mit Tobias Sterbak 47:57
  11. #96: Queer Data: Wie erfasst, bereinigt und analysiert man sensible Daten? 32:09
  12. #95: GitOps: Deployments mit Ruhepuls 27:57
  13. #94: [PAIQ4] Predictive AI Quarterly 37:41
  14. #93: Bayesianische Statistik: Vorwissen und Daten kombinieren 33:31
  15. #92: Anomaly Detection von Produktbildern mit ClickHouse 46:51
  16. #91: Software ohne Entwickler*innen? Wie AI Agents unsere Arbeit neu definieren 46:55
  17. #90: Demand Forecasting bei Krombacher – Mit Dr. Max Schüssler 45:37
  18. #89: ROC around the clock – Alles rund um Gütemaße für Klassifikationsmodelle 36:37
  19. #88: Anomalie-Erkennung im Loyalty-Programm bei Krombacher – Mit Fabian Wörenkämper 50:18
  20. #87: [PAIQ3] Predictive AI Quarterly 32:52
  21. #86: "Garbage In, Garbage Out" verhindern: Datenvalidierung richtig gemacht 39:17
  22. #85: Technologieauswahl im Dschungel der Möglichkeiten 46:43
  23. Kurze Pause, frische Energie: Wir hören uns im neuen Jahr! 1:25
  24. #84: Body Leasing: Zwischen Beratung, Teamkultur und Erwartungsmanagement 30:42
  25. #83: Wie gut ist gut genug? Modellgütemaße richtig verstehen 33:45
  26. #82: Monitoring in MLOps: Tools, Tipps und Best Practices aus der Praxis 44:02
  27. #81: [PAIQ2] Predictive AI Quarterly 26:26
  28. #80: Willkommen an Bord: Wie wir neue Kolleg*innen begleiten 36:18
  29. #79: Data Science on the Edge: Modelle in verteilten Umgebungen 56:04
  30. #78: Der Use-Case-Guide: Navigationshilfe für echten Mehrwert 46:09
  31. #77: Uplift Modeling: Der kausale Effekt von Rabatten, Retargeting & Co. 33:51
  32. #76: Digitale Souveränität: Risiken verstehen, souverän handeln 38:06
  33. #75: Refactoring done right: Strategien, Risiken und Best Practice 50:35
  34. #74: [PAIQ1] Predictive AI Quarterly 28:06
  35. #73: Korrelation vs. Kausalität: Was braucht es für fundierte Entscheidungen? 44:49
  36. #72: TabPFN: Die KI-Revolution für tabulare Daten mit Noah Hollmann 50:40
  37. #71: Predictive LLMs: Skalierung, Reproduzierbarkeit & DeepSeek 26:20
  38. #70: Der Aufstieg zur Datenreife – Stufe für Stufe zur Data Maturity 46:07
  39. #69: AI Agents verstehen und evaluieren mit Matthäus Deutsch 47:22
  40. #68: CI/CD für Daten: Datenversionierung für stabile & nachvollziehbare Systeme 41:29
  41. #67: "It works on my machine" war gestern – Docker Best Practices für Data Science 34:53
  42. #66: Developer vs. Data Scientist mit Andy Grunwald und Wolfgang Gassler 1:03:42
  43. #65: Sicher ist nur die Unsicherheit: Unsicherheitsintervalle erklärt 28:50
  44. #64: Predictive LLMs: Übertreffen Open-Source-Modelle jetzt OpenAI und XGBoost bei Preisprognosen? 40:31
  45. #63: Data Mining: der pragmatische Weg zu Datenreife & Datenkultur mit Prof. Dr. Ana Moya 42:39
  46. #62: Kafka und Datenströme erklärt – und wie das jetzt auch in R läuft 21:02
  47. #61: Technologische Must-Haves: Unser Survival-Guide für Data-Science-Projekte 42:04
  48. #60: Job-Sicherheit als Data Scientist: Personalentwicklung in Zeiten von AI 41:44
  49. #59: Besser mit Helm: komplexe Deployments einfach(er) umsetzen 18:00
  50. #58: Arm, aber sexy: Data Warehousing at Scale ohne Budget 37:32