KI in der Praxis: das Data Science Startup. d:ai:mond
|
|
- Dirk Acker
- vor 5 Jahren
- Abrufe
Transkript
1 KI in der Praxis: das Data Science Startup d:ai:mond Prof. Dr. Jens Dittrich Big Data Analytics Group Saarland Informatics Campus d:ai:mond GmbH twitter.com/jensdittrich
2 Jens Dittrich: Short CV Developer at SAP BW/Trex, Associate Professor, Saarland University Ph.D. in Databases Postdoc at ETH Zurich Full Professor, Saarland University Indexing Systems large-scale data management!2
3 Jens Dittrich: Short CV Developer at SAP BW/Trex, Associate Professor, Saarland University Ph.D. in Databases Postdoc at ETH Zurich Full Professor, Saarland University Join processing Data Warehousing main-memory databases Dataspaces Column Stores Blockchain Streams Join processing Applied ML Crazy Stuff Hadoop&Cloud Database Architectures main-memory databases Indexing Systems large-scale data management!3
4 kiwi, kirsche, bikini [jeweils durchgestrichen] KIwi 8,57 pro Stück Kiwi 0,75 pro Stück CC BY-SA Thomon
5 KIrschen 458,57 pro kg Kirschen 2,75 pro kg CC BY-SA 3.0 Fir0002 5
6 KIches 76,27 pro kg Quiches 5,50 pro kg CC BY Tamorlan 6
7 KI keri KI! Muhammad Mahdi Karim 7
8 AI Data Science Quacksalber Big Data löst alle Ihre Probleme! das gemeine Volk
9 Big Data! AI! Data Science! ML!
10 Problem: Mehrdeutige Kommunikation 10
11 Symbol Bedeutung große Datenmengen 4Vs Big Data! NSA Spark MapReduce NoSQL 11
12 Symbol Bedeutung Symbol große Datenmengen Big Data! 4Vs NSA Spark Er hat Big Data gesagt MapReduce NoSQL 12
13 Symbol Bedeutung Symbol große Datenmengen Big Data! 4Vs NSA Spark Er hat Big Data gesagt MapReduce NoSQL 13
14 große Datenmengen übersetzt zu: MapReduce 14
15 Symbol Bedeutung deep learning knowledge representation symbolic AI AI machine learning planning NLP robots statistical learning deductive databases computer vision logics 15
16 Symbol Bedeutung Das Gerät hat eine KI. Algorithmus Informatik 16
17 KI übersetzt zu: Informatik 17
18 Die Buzzword Bullshit Bingo Landschaft relational algebra große Datenmengen Big Data predicate pushdown Data Science ML AI relational Deep Learning model NoSQL data layout MapReduce cloud cost-based optimization Hadoop Blockchain 1 wenige viele Anzahl der Bedeutungen
19 d:ai:mond Data Science Consulting We speak both Big Data and AI. 19
20 Data Science and Ethics Satzung der d:ai:mond GmbH: [..] Desweiteren werden Dienstleistungen für politische oder kirchliche Institutionen [..] sowie Datenanalyse mit dem Zweck der politischen oder gesellschaftlichen Beeinflussung - insbesondere die Datenanalyse personenbezogener Daten - ausgeschlossen. [..] 20
21 Beispiel Business Case 21
22 Business Case 1: Welches Fahrzeug ist optimal bezüglich des Dieselverbrauchs für eine gegebene Ladung von x Tonnen auf Strecke y? Flottenoptimierung istock.com vanspasic 22
23 Datengrundlage: LKW-Daten Truckinvest 4.0 mit: htw saar, mfund, qivalon GmbH alle 10 Minuten X Y Zeitstempel Gesamtgewicht Temperatur, Wind, Luftwiderstand (mit cw-wert) Höhenmeter geplante Erweiterungen: Lkw ID Straßentyp Fahrer ID Dieselverbrauch Varianz der Geschwindigkeit vorhanden (X): vorhergesagt (Y): Durchschnittsgeschwindigkeit 23
24 Vorhersagemodell istock.com jgroup
25 Beispiel: Fahrt von Saarbrücken nach Frankfurt Abfahrt: Dienstag, 14 Uhr 1. Streckenplanung mit Navi 2. Unterteilung des Streckenplans in 10Minutenabschnitte 25
26 Beispiel: Fahrt von Saarbrücken nach Frankfurt Abfahrt: Dienstag, 14 Uhr 1. Streckenplanung mit Navi 2. Unterteilung des Streckenplans in 10Minuntenabschnitte 3. Für jeden 10Minuntenabschnitt eine Vorhersage unseres Modells machen: Verbrauch für diesen Abschnitt 26
27 Beispiel: Fahrt von Saarbrücken nach Frankfurt Abfahrt: Dienstag, 14 Uhr 1. Streckenplanung mit Navi 2. Unterteilung des Streckenplans in 10Minuntenabschnitte 3. Für jeden 10Minuntenabschnitt eine Vorhersage unseres Modells machen: Verbrauch für diesen Abschnitt geschätzter Verbrauch: 72 Liter 4. Vorhersage: Summe über alle Abschnitte aus 3. 27
28 Beispielergebnisse 28
29 Einzelvorhersagen vorhergesagter vs gemessener Verbrauch
30 Abhängigkeit des Verbrauchs vom Gewicht
31 Business Case: Welches Fahrzeug ist optimal für eine gegebene Ladung von x Tonnen auf Strecke y? BC 2(i): im Stadtverker? BC 2(ii): bei Stau? BC 2(iii): bei schlechtem Wetter/Schnee/Wind? istock.com vanspasic Erweiterte Business Cases 31
32 BC 2(i): welches Fahrzeug hat einen ungewöhnlichen hohen Verbrauch? BC 2(vii): Um welche Art von Schaden könnte es sich handeln? BC 2(ii): klaut jemand Diesel? BC 2(vii): Welche Art von Schaden kündigt sich an? BC 2(iii): füllt jemand heimlich Diesel nach? BC 2(iv): benötigt der Fahrer eine Schulung? BC 2(v): ist das Fahrzeug defekt? BC 2(vi): ist das Fahrzeug vermutlich bald defekt? (aka Predictive Maintenance) istock.com vanspasic BC 2(viii): korrelieren defekte Fahrzeuge mit bestimmte Fahrern (EU-DSGVO) oder Fahrergruppen? usw. Zusätzliche Business Cases 32
33 33
34 BC 3(i): was ist die optimale Flotte? BC 3(ii): unter Einbeziehung sich ändernder Auftragslagen? BC 3(iii): defekter Fahrzeuge? BC 3(iv): bald defekter Fahrzeuge? BC 3(v): wieviele eigene vs Leihfahrzeuge sind optimal? istock.com vanspasic Zusätzliche Business Cases 34
35 Wie identifiziere ich einen Business Case? 35
36 Potenzialanalyse 36
37 Projektrealisierung 37
38 Fallstricke: 38
39 Wo ist ML? hier! [Sculley et al. Hidden Technical Debt in Machine Learning Systems, NIPS 2015] 39
40 The Data Science Cake Da an M ta ag en em deep learning is this strawberry only / e c n e g g n i ni l l e ar t n e I L l a i e c n i i f i t ch r A Ma Ingredients: 50g statistics 120g linear algebra 200g programming 1kg visualisation 300g software engineering t Da ta M ini ng n o i t a c i l n i p a Ap om D istock.com sasilsolutions Additional skills: creativity out of the box thinking grit team spirit
41 Example Projects: 41
42 Assembly Line Optimization istock.com Yayasya 42
43 Data Silo Integration istock.com disorderly 43
44 d:ai:mond Data Science Consulting We speak both Big Data and AI. 44
45 Backup: 45
46 Machine Learning Big Data No SQL
Office 365 Dynamics 365 Azure Cortana Intelligence. Enterprise Mobility + Security Operations Mgmt. + Security
Office 365 Dynamics 365 Azure Cortana Intelligence Enterprise Mobility + Security Operations Mgmt. + Security API Application Availability Bottomless Storage Identity Management Full hybrid
MehrI. II. I. II. III. IV. I. II. III. I. II. III. IV. I. II. III. IV. V. I. II. III. IV. V. VI. I. II. I. II. III. I. II. I. II. I. II. I. II. III. I. II. III. IV. V. VI. VII. VIII.
MehrMaster-Studiengang & Bewerbung/Zulassung. Judith Zimmermann Studienkoordinatorin, Departement Informatik, ETH Zürich
Master-Studiengang & Bewerbung/Zulassung Judith Zimmermann Studienkoordinatorin, Departement Informatik, ETH Zürich Master's in Data Science 120 Core Courses 62 Data Analysis 16 Information and Learning
MehrGeneral Online Research Conference GOR February to 2 March 2018, TH Köln University of Applied Sciences, Cologne, Germany
General Online Research Conference GOR 18 28 February to 2 March 2018, TH Köln University of Applied Sciences, Cologne, Germany Christopher Harms, SKOPOS GmbH & Co. KG Keine Angst vor Ihrem neuen Kollegen,
MehrHerzlich willkommen: #ITTage16 Der IT Hub IT Service Management in der digitalen Welt. Ihr Trainer: Markus Schweizer, Associate Partner CSC Schweiz
1 Herzlich willkommen: #ITTage16 Der IT Hub IT Service Management in der digitalen Welt Ihr Trainer: Markus Schweizer, Associate Partner CSC Schweiz Die Digitale Transformation der Welt Reale Welt Virtuelle
MehrModulliste. für den Masterstudiengang. Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2019 Der Masterstudiengang Data & Knowledge
MehrSkalierbare Webanwendungen
Skalierbare Webanwendungen Thomas Bachmann Lead Software Architect & CIO Mambu GmbH Twitter: @thobach Anwendungsbeispiel Hohe Nichtfunktionale Anforderungen Sicherheit Vertraulichkeit Integrität Verfügbarkeit
MehrEinführung in Big Data und Hadoop (mit verschiedenen Live Demos) Eintägiges Intensivseminar
Einführung in Big Data und Hadoop (mit verschiedenen Live Demos) Eintägiges Intensivseminar Die Referenten sind keine exklusiven Trainer, sondern Berater aus dem Projektgeschäft, die auch Trainings durchführen.
MehrOtto-Friedrich-Universität Bamberg
Otto-Friedrich-Universität Bamberg Vierte Satzung zur Änderung der Studien- und Fachprüfungsordnung für die Masterstudiengänge Angewandte Informatik (90 ECTS-Punkte) sowie Angewandte Informatik (120 ECTS-Punkte)
MehrProduktionscontrolling auf dem Weg zur Industrie 4.0
Produktionscontrolling auf dem Weg zur Industrie 4.0 Intelligente Produktion durch Real-Time-Big-Data-Analyse von Sensordaten & Bern, 27.05.2016 Jörg Rieth Jedox vereinfacht Planung, Reporting & Analyse
MehrData Science als Treiber für Innovation Neue Anforderungen und Chancen für Ausbildung und Wirtschaft
Data Science als Treiber für Innovation Neue Anforderungen und Chancen für Ausbildung und Wirtschaft b Univ-Prof. Dr. Stefanie Lindstaedt b www.know-center.at Know-Center GmbH Know-Center: Austria s Research
MehrBig Data in Marketing und IT
Big Data in Marketing und IT Chancen erkennen, Strategien entwickeln und Projekte erfolgreich umsetzen T-Systems Hacker Day 30. September 2015 Prof. Dr. Alexander Rossmann Reutlingen University Big Data
Mehrinfrastructure definitions example versioning
infrastructure definitions example versioning ATLAS9000 GmbH Landauer Str. - 1 D-68766 Hockenheim +49(0)6205 / 202730 Infrastructure documents Storage ATLAS PLM Archives Drawing Circuit Diagram Work Plan
MehrFRAUNHOFER ISST INDIVIDUALISIERTE THERAPIE DURCH INTELLIGENTE BEGLEITER
FRAUNHOFER ISST INDIVIDUALISIERTE THERAPIE DURCH INTELLIGENTE BEGLEITER Anja Burmann Yevgen Pikus Hanau, 01. März 2018 FRAUNHOFER-INSTITUT FÜR SOFTWARE- UND SYSTEMTECHNIK ISST Über 25 000 Mitarbeiterinnen
MehrStudienplan FIW Bachelor Informatik 2017ws. Inf 1 Algebra (sem. Unterricht) 4 5 sp Kl90 ein beidseitig handbeschr.,
Bachelor Informatik 2017ws Inf 1 Algebra (sem. Unterricht) 4 5 sp Kl90 ein beidseitig handbeschr., nicht kopiertes DIN-A4 Blatt; nicht prog. Taschenrechner Inf 1 Algorithmen und Datenstrukturen I (Übung)
MehrAllgemeine IT-Priorities. und Trends in DACH. in Hendrik Oellers, Sales Director DACH. März, TechTarget 1
Allgemeine IT-Priorities und Trends in DACH in 2018 Hendrik Oellers, Sales Director DACH März, 2018 TechTarget 1 Diese Umfrage wurde in deutscher Sprache in Deutschland, Österreich & der Schweiz (DACH)
MehrBIG DATA IM RETAIL-SEKTOR AM BEISPIEL KASSENBONDATEN BUSINESS ANALYTICS DAY
BIG DATA IM RETAIL-SEKTOR AM BEISPIEL KASSENBONDATEN BUSINESS ANALYTICS DAY 08.03.2017 REWE Systems GmbH Jonas Freiknecht inovex GmbH Bernhard Schäfer AGENDA 1 / Vorstellung REWE Systems GmbH und inovex
MehrETL in den Zeiten von Big Data
ETL in den Zeiten von Big Data Dr Oliver Adamczak, IBM Analytics 1 1 Review ETL im Datawarehouse 2 Aktuelle Herausforderungen 3 Future of ETL 4 Zusammenfassung 2 2015 IBM Corporation ETL im Datawarehouse
MehrSusanne Greiner, Data Scientist, Würth Phoenix. Würth Phoenix more than software
USER GROUP 2018 Von der Datenaufnahme zur Datenanalyse Das Performance Monitoring von morgen: Einfluss von User Experience, Anomaly Detection, Deep Learning Susanne Greiner, Data Scientist, Würth Phoenix
MehrTitel von Modul/Lehrveranstaltung (lt. Prüfungsordnung der Uni Potsdam für BL BIO SE H 20132) Foundations of Stochastics
Einschätzung für Novelle MuSchG Abschluss: Master of Science(MS) Studienfach: Data Science (DSC) version: Wintersemester 2018/1 rot Belegung für Schwangere verboten gelb Belegung für Schwangere nach Rücksprache
MehrSTART DER INSTITUTS- PARTNERSCHAFT ZUM THEMA DIGITALISIERUNG
START DER INSTITUTS- PARTNERSCHAFT ZUM THEMA DIGITALISIERUNG HAMBURG 23. MAI 2017 PROF. DR. DIMKA KARASTOYANOVA KOLLABORATIVE, DYNAMISCHE UND KOMPLEXE SYSTEME FÜR DIE LOGISTIK HAMBURG 23. MAI 2017 SCM
MehrPrüfungstermine WS 2017/18 Wirtschaftsinformatik Bachelorstudiengang
Prüfungskommission Wirtschaftinformatik Wirtschaftsinformatik Betriebswirtschaftliche Verfahren (BWL 2) Montag, 22. Januar 2018 12:30 14:00 S 0.11 Grundlagen der Betriebswirtschaftslehre Montag, 22. Januar
MehrBig Data Technologien
Big Data Technologien - Ein Überblick - Prof. Dr. Jens Albrecht jens.albrecht@th-nuernberg.de Big Data Landscape 2016 Prof. Dr. Jens Albrecht Big Data 3 Systemarchitektur im Wandel Gestern und heute Strukturierte
MehrPräzisierung zur Absolvierung von Studienschwerpunkten
K 066/926 CURRICULUM ZUM MASTERSTUDIUM WIRTSCHAFTSINFORMATIK Präzisierung zur Absolvierung von Studienschwerpunkten o. Univ.-Prof. DI Dr. Michael Schrefl Institutsvorstand, Institut für Wirtschaftsinformatik
MehrModulliste. für den Bachelorstudiengang. Wirtschaftsinformatik. an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Bachelorstudiengang Wirtschaftsinformatik an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2019 Der Bachelorstudiengang Wirtschaftsinformatik
MehrSKOPOS Webinar 22. Mai 2018
SKOPOS Webinar 22. Mai 2018 Marktforschung 2020: Künstliche Intelligenz und automatische Text Analysen? Christopher Harms, Consultant Research & Development 2 So? Terminator Exhibition: T-800 by Dick Thomas
MehrModulliste. für den Masterstudiengang. Wirtschaftsinformatik. an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Wirtschaftsinformatik an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik vom Wintersemester 2016/2017 Der Masterstudiengang Wirtschaftsinformatik
MehrEuropean Qualification Strategies in Information and Communications Technology (ICT)
European Qualification Strategies in Information and Communications Technology (ICT) Towards a European (reference) ICT Skills and Qualification Framework Results and Recommendations from the Leornardo-da-Vinci-II
MehrOracle BI&W Referenz Architektur Big Data und High Performance Analytics
DATA WAREHOUSE Oracle BI&W Referenz Architektur Big Data und High Performance Analytics Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen
MehrIndustrie 4.0 Predictive Maintenance. Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014
Industrie 4.0 Predictive Maintenance Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014 Anwendungsfälle Industrie 4.0 Digitales Objektgedächtnis Adaptive Logistik Responsive Manufacturing Intelligenter
MehrBeratung. Results, no Excuses. Consulting. Lösungen. Grown from Experience. Ventum Consulting. SQL auf Hadoop Oliver Gehlert. 2014 Ventum Consulting
Beratung Results, no Excuses. Consulting Lösungen Grown from Experience. Ventum Consulting SQL auf Hadoop Oliver Gehlert 1 Ventum Consulting Daten und Fakten Results, no excuses Fachwissen Branchenkenntnis
Mehrvom Gemäß 32 Abs. 3 Satz 1 LHG hat die Rektorin der Ergänzung der Zertifikatsordnung am zugestimmt.
Besonderer Teil für das Zertifikatsprogramm Data Science ergänzend zur Zertifikatsordnung der Hochschule Albstadt-Sigmaringen in der Fassung vom 21.10.2015 vom 17.10.2017 Aufgrund von 31 Abs. 5 Satz 3
MehrWie läuft das Studium ab?
Wie läuft das Studium ab? Regelstudienzeit 4 Semester Studienumfang 120 ECTS (100 ECTS aus Lehrveranstaltungen + 20 ECTS aus der Masterarbeit) Studienbeginn Wintersemester Abschluss Master of Science (M.Sc.)
MehrBig Data im Retail-Sektor am Beispiel Kassenbondaten
Big Data im Retail-Sektor am Beispiel Kassenbondaten REWE Systems GmbH Jonas Freiknecht inovex GmbH Bernhard Schäfer Business Analytics Day, 08.03.2017 AGENDA 1. Vorstellung REWE Systems GmbH und inovex
MehrBrückenschläge: Impulse für die Vermittlung Digitaler Kompetenzen am Standort Göttingen
Brückenschläge: Impulse für die Vermittlung Digitaler Kompetenzen am Standort Göttingen Dr. Jens Dierkes Wissenschaft im Digitalen Wandel - 6. Juni 2017 - Universität Mannheim Digitale Transformation Möglichkeiten,
MehrSelf-Organisation in Germany s Higher Education IT
EUNIS 2014-06-12 Self-Organisation in Germany s Higher Education IT Hartmut Hotzel ZKI Vice President & Director of IT-Services, Bauhaus-Universität Weimar 1 Self-Organisation in Germany s HE IT 1. Pinpointing
MehrSolNET Meeting in Darlana University January 2007
SolNET Meeting in Darlana University January 2007 Presentation of PhD Project Antoine Dalibard University of Applied Sciences Stuttgart Plan of the presentation I. Working group 1. Presentation of the
MehrDie Konvergenz von Mensch und Machine - und was dies für die Zukunft von Gesellschaft und Business bedeutet
www.futuristgerd.com www.gerdtube.com @gleonhard on Twitter Die Konvergenz von Mensch und Machine - und was dies für die Zukunft von Gesellschaft und Business bedeutet Mein neues Buch Technology vs Humanity
MehrPressekonferenz : DSAG-Investitionsreport Marco Lenck, DSAG-Vorstandsvorsitzender
Pressekonferenz 23.01.19: DSAG-Investitionsreport 2019 Marco Lenck, DSAG-Vorstandsvorsitzender Erhebungsgrundlage Allgemeine Daten zur Online-Umfrage Erhebungszeitraum Dezember 2018 bis Anfang Januar 2019
MehrEinführung in die Didaktik der Informatik D. Engbring mündl.
Bachelor Pflicht BA-INF 021 Lineare Algebra Th. Räsch 02.08.2016/ 9-12 Uhr HS IX+X Hauptg. 12.09.2016/ 9-12 Uhr HS IX+X Hauptg. schriftlich BA-INF 022 Analysis M. Welter 26.07.2016/9.30-11.30Uhr HS IX+X
MehrRisiken bei der Analyse sehr großer Datenmengen. Dr. Thomas Hoppe
Risiken bei der Analyse sehr großer Datenmengen Dr. Thomas Hoppe Datenaufbereitung Datenanalyse Data Mining Data Science Big Data Risiken der Analyse Sammlung Integration Transformation Fehlerbereinigung
MehrOrganisatorisches. Unit1: Intro and Basics. Bewertung. About Me.. Datenorientierte Systemanalyse. Gerhard Wohlgenannt
Organisatorisches Datenorientierte Systemanalyse Unit1: Intro and Basics Gerhard Wohlgenannt Inhalt: Datenorientierte Systemanalyse Umfang: 5 units XX.10.2013 XX.11.2013 09:00-13:30 Uhr Room XXX Infos,
MehrNeues aus der nicht-, semi- und relationalen Welt
Neues aus der nicht-, semi- und relationalen Welt Information Management Thomas Klughardt Senior System Consultant Das Big Data Problem Was bedeutet Big Data? Performancekritisch Echtzeit Cold Storage
MehrDr. Daniel Fasel, CEO DATEN, DAS WERTSCHÖPFENDE GUT FÜR DIE DIGITALISIERUNG
Dr. Daniel Fasel, CEO DATEN, DAS WERTSCHÖPFENDE GUT FÜR DIE DIGITALISIERUNG End 2 End Big Data Services Platform Engineering & DevOps Analytics Solutions Proof of Concept Architecture & Strategy Machbarkeitsstudien
MehrArtificial Intelligence. Was ist das? Was kann das?
Artificial Intelligence Was ist das? Was kann das? Olaf Erichsen Tech-Day Hamburg 13. Juni 2017 Sehen wir hier bereits Künstliche Intelligenz (AI)? Quelle: www.irobot.com 2017 Hierarchie der Buzzwords
MehrChancen der Industrie 4.0 durch moderne Lokalisierungstechniken
Chancen der Industrie 4.0 durch moderne Lokalisierungstechniken 3. AnalytikTag 15. November 2018 Prof. Dr. Bodo Kraft, kraft@fh-aachen.de Oliver Schmidts, M. Sc., schmidts@fh-aachen.de FH AACHEN UNIVERSITY
MehrAuswirkungen von Big Data auf den Arbeitsmarkt für IT-Fachkräfte Ergebnisse einer explorativen Stellenanzeigenanalyse
Auswirkungen von Big Data auf den Arbeitsmarkt für IT-Fachkräfte Ergebnisse einer explorativen Stellenanzeigenanalyse Prof. Dr. Frank Bensberg f.bensberg@hs-osnabrueck.de Gandalf Buscher gandalf.buscher@hft-leipzig.de
Mehr:21 Uhr Modulbeschreibung #1290/1 Seite 1 von 5
04.12.2015 16:21 Uhr Modulbeschreibung #1290/1 Seite 1 von 5 Modulbeschreibung Maschinelles Lernen 1 Modultitel: Maschinelles Lernen 1 Machine Learning 1 URL: Leistungspunkte: 9 Sekretariat: Modulsprache:
MehrSAS UND DIE CLOUD EIN ÜBERBLICK ING. PHILLIP MANSCHEK, SAS AUSTRIA
SAS UND DIE CLOUD EIN ÜBERBLICK ING. PHILLIP MANSCHEK, SAS AUSTRIA CLOUD PRIVAT CLOUD GESCHÄFTLICH WELTWEIT FÜHRENDE JETZT NOCH EINFACHER! MARKTFÜHRENDE laut Gartner, Forrester & anderen Analysten INTEGRIERTE
MehrÄquivalenzübersicht für den Bachelorstudiengang Technische Informatik
Agent Competition: Multi Agent Contest Agent Competition: Multi Agent Contest Agent Competition: RoboCup Agent Competition: RoboCup Agententechnologien: Grundlagen und Anwendungen Aktuelle Themen der Algorithmik:
MehrDATA ANALYTICS & PREDICTIVE MAINTENANCE IM MASCHINEN- UND ANLAGEBAU. PD Dr.-Ing. Marco Huber
DATA ANALYTICS & PREDICTIVE MAINTENANCE IM MASCHINEN- UND ANLAGEBAU PD Dr.-Ing. Marco Huber USU AUF EINEN BLICK > 72 Mio. Euro Umsatz > 30 % Auslandsumsatz 1977 Gründungsjahr > 590 Angestellte 16.03.2018
MehrSAS Global Certification Program
SAS Global Certification Program Machen Sie mehr aus Ihrem SAS Know-how Mit neuen attraktiven Zertifizierungs-Packages Grow With Us www.sas.de/education SAS Global Certification Program Die SAS Zertifizierungen
MehrBig-Data and Data-driven Business KMUs und Big Data Imagine bits of tomorrow 2015
Big-Data and Data-driven Business KMUs und Big Data Imagine bits of tomorrow 2015 b Wien 08. Juni 2015 Stefanie Lindstaedt, b Know-Center www.know-center.at Know-Center GmbH Know-Center Research Center
MehrDatenschutz in Zeiten von Big Data
Datenschutz in Zeiten von Big Data FFHS Regensdorf, 11. Juni 2015 OLIVIER HEUBERGER-GÖTSCH Legal Counsel Attorney at Law Einführung Big Data Profiling Aspekte zum Persönlichkeits- und Datenschutzrecht
MehrZuverlässige IT-Netzwerke als Basis für sicheren Informationsaustausch im Krisenfall. Univ.-Doz. Dr. Siegfried Reich DI DI(FH) Peter Dorffinger
Zuverlässige IT-Netzwerke als Basis für sicheren Informationsaustausch im Krisenfall Univ.-Doz. Dr. Siegfried Reich DI DI(FH) Peter Dorffinger About Salzburg Research Independent research and technology
MehrDATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle
DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell
MehrMit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014
Mit In-Memory Technologie zu neuen Business Innovationen Stephan Brand, VP HANA P&D, SAP AG May, 2014 SAP Medical Research Insights : Forschung und Analyse in der Onkologie SAP Sentinel : Entscheidungsunterstützung
Mehrdaniel.kreuzhofer@microsoft.com Image source http://commons.wikimedia.org/wiki/file:modern_warehouse_with_pallet_rack_storage_system.jpg Definitionen Azure Region Eine Ansammlung von Rechenzentren, die
MehrEinführung in die Methoden der Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen Intelligenz --- Vorlesung vom 17.4.2007 --- Sommersemester 2007 Prof. Dr. Ingo J. Timm, Andreas D. Lattner Professur für Wirtschaftsinformatik und Simulation
MehrGold schürfen im Marketing mit Data Science
Gold schürfen im Marketing mit Data Science SOMEXcircle 9. Mai 2017 Dr. Patricia Feubli Erfahrung 9 Jahre Economic Research und Data Science, 4 davon als Senior Economist im Credit Suisse Swiss Industries
MehrZERO.ONE.DATA Die Bahn, ein agiler Tanker im Digitalisierungszeitalter. Gudio van Husen, Christopher Muth DB Systel GmbH Hanau
ZERO.ONE.DATA Die Bahn, ein agiler Tanker im Digitalisierungszeitalter Gudio van Husen, Christopher Muth DB Systel GmbH Hanau 28.02.2018 Foto: DB Systel DB Systel GmbH Die Digitalisierung der Bahn erfolgreich
MehrBig Data in der Produktion
S.Rössel / 10.2016 Micronas @ TDK Big Data - hilft es denn? Beispiele aus der Produktion Datenbeschaffung Datenspeicherung Organisation 2 Micronas @ TDK Most Preferred Partner for Sensing and Control Seit
MehrOPEN DATA-TOOL ZUR STRECKENEIGNUNG VON E-LKW. Stand:
OPEN DATA-TOOL ZUR STRECKENEIGNUNG VON E-LKW Stand: 10.06.2016 Inhalt Stand der Forschung Aufbau des Tools Eingangsdaten Räumliche Analyse Verbrauchsanalyse Fazit Nächste Schritte Stand der Forschung Es
MehrBig Data Informationen neu gelebt
Seminarunterlage Version: 1.01 Copyright Version 1.01 vom 21. Mai 2015 Dieses Dokument wird durch die veröffentlicht. Copyright. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen
MehrPhänomen Digitalisierung Pflicht oder Kür erfolgreicher Unternehmen. Hannover, Timm Grosser, Senior Analyst
Phänomen Digitalisierung Pflicht oder Kür erfolgreicher Unternehmen Hannover, 15.03.2016 Timm Grosser, Senior Analyst 18.03.2016 BARC 2016 2 BARC: Expertise für datengetriebene Unternehmen 18.03.2016 BARC
MehrBig-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht
Big-Data-Technologien - Überblick - Quelle: http://www.ingenieur.de/panorama/fussball-wm-in-brasilien/elektronischer-fussball-smartphone-app-helfen-training Big-Data-Anwendungen im Unternehmen Logistik
Mehrsimply create anything
pst simply create anything www.m2mgo.com Erfolgsgeschichte 2013 2014 2015 2016 2017 2018 Die Zukunft Gründung durch Anfrage pst pst Release I in Azure Erste IIoT/ I. 4.0 Kunden: Seed-Finanzierung (DTAG)
MehrDigitalisierung im Service Management - Was bringen AI, Chatbots und Co.?
Digitalisierung im Service Management - Was bringen AI, Chatbots und Co.? Agenda AI, Chatbot, KI, machine learning Stopp.wie bitte? Künstliche Intelligenz Ein Blick aus der Vergangenheit Status quo KI
MehrPlattform für Big Data Anwendungen
Plattform für Big Data Anwendungen Erich Albrechtowitz Bundesministerium für Finanzen, Abteilungsleiter für IT-Personalmanagement & Big Data Gerhard Specht 42virtual Wien, Projektmanager und Berater 15.
MehrEngineering the Factory of the Future Now.Next.Beyond. Heiko Schwindt VP Automation & Electrification Solutions, Bosch Rexroth
Engineering the Factory of the Future Now.Next.Beyond. Heiko Schwindt VP Automation & Electrification Solutions, Bosch Rexroth Connect on LinkedIn www.linkedin.com/in/heiko-schwindt-625039140/ 1 "The challenge
MehrMuster für disruptive Geschäftsmodelle bei Dienstleistungen
Dr. Karl Michael Popp www.drkarlpopp.com Muster für disruptive Geschäftsmodelle bei Dienstleistungen 21. Februar 2017 2 AGENDA 12 second introduction Hybride Geschäftsmodelle und BrokerGeschäftsmodelle
MehrModulliste. für den Masterstudiengang. Informatik. an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Informatik an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2016 Der Masterstudiengang Informatik (INF) Dieser Masterstudiengang
MehrEducation Day 2012. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! Education Day 2012 11.10.
Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! 11.10.2012 1 BI PLUS was wir tun Firma: BI plus GmbH Giefinggasse 6/2/7 A-1210 Wien Mail: office@biplus.at
MehrDatenbanken & Informationssysteme (WS 2016/2017)
Datenbanken & Informationssysteme (WS 2016/2017) Klaus Berberich (klaus.berberich@htwsaar.de) Wolfgang Braun (wolfgang.braun@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de)
MehrML Deployment. Vom Prototyp zur Produktion
ML Deployment Vom Prototyp zur Produktion Marcel Spitzer Karlsruhe, 15.3.2018 Marcel Spitzer Big Data Scientist @ inovex Wi.-Mathematik (B.Sc.), Wi.-Informatik (M.Sc.) Data Science mit Python und R Deployment
MehrÜbersicht Streams nach Liste Produkte/Themen
Stream Datenbank: DB Oracle 9i bis 12c In-Memory Datenbanken Enterprise Manager Appliances EXADATA RAC DataGuard Upgrades, Konsolidierungen Implementationen Administration / Monitoring Performance Tuning
MehrBig Data und die Energiewende: Kann man genug Daten haben?
Big Data und die Energiewende: Kann man genug Daten haben? Malek Alouini Fachgespräch BigData Konzepte zur Analyse komplexer Infrastrukturen 16. Mai 2017 Was ist Big Data? Technologien zur Verarbeitung
MehrSeminar Informationssysteme. Prof. Roberto V. Zicari
Seminar Informationssysteme Prof. Roberto V. Zicari Dr. Karsten Tolle, Todor Ivanov, Marten Rosselli, Kim Hee Sommersemester 2017 Termine - Seminar Di. 25.4.2017 Vorbesprechung und Themenausgabe 14:15
MehrSwisscom Dialog Arena Augmented Reality empowering your digital journey
Swisscom Dialog Arena Augmented Reality empowering your digital journey 3. November 2016, Sonja Betschart, Matthew Butcher, Lukas Zimmerli, Stéphane Mingot Agenda 1 Was kommt nach Pokémon Go? 2 Use Case
Mehrjasimasolutions Simulation based process optimization for the agri food sector jasimabeverageplanner jasima Solutions Spin Off from
jasima Solutions Spin Off from BIBA - Bremer Institut für Produktion und Logistik GmbH Simulation based process optimization for the agri food sector jasimabeverageplanner Torsten Hildebrandt Torsten.Hildebrandt@.de
MehrSWS im Prüfungsgebiet Module 1. Sem. 2. Sem. 3. Sem. 4. Sem. 5. Sem. 6. Sem. V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S
Regelstudienplan SWS im Prüfungsgebiet Module 1. Sem. 2. Sem. 3. Sem. 4. Sem. 5. Sem. 6. Sem. V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S Propädeutikum 1 1 Grundlagen der Informatik I Informatik und
MehrDIE ZUKUNFT WARTET NICHT. ANALYSIERE SIE.
INFORMATION SCIENCE & BIG DATA ANALYTICS * MASTER OF SCIENCE (MSc ) FLORIAN KALCHER, NDU Student DIE ZUKUNFT WARTET NICHT. ANALYSIERE SIE. *in Akkreditierung DAS DATENUNIVERSUM MEISTERN In der digitalen
MehrBig Data Anwendungen Chancen und Risiken
Big Data Anwendungen Chancen und Risiken Dr. Kurt Stockinger Studienleiter Data Science, Dozent für Informatik Zürcher Hochschule für Angewandte Wissenschaften Big Data Workshop Squeezing more out of Data
MehrAUSBILDUNG für INDUSTRIELLE BILDVERARBEITUNG - Skizze für tertiären Bereich
AUSBILDUNG für INDUSTRIELLE BILDVERARBEITUNG - Skizze für tertiären Bereich FH-Prof. DI. Kurt Niel University of Applied Sciences Upper Austria Faculty of Engineering and Environmental Sciences kurt.niel@fh-wels.at
MehrData Science and Business Analytics
Data Science and Business Analytics Berufsbegleitende Weiterbildung Master of Science Lara Völk Weiterbildung HdM Stuttgart DIE HDM STUTTGART Campus S-Vaihingen 5.000 Studierende 16 Bachelor- / 11 Masterstudiengänge,
MehrMit Legacy-Systemen in die Zukunft. adviion. in die Zukunft. Dr. Roland Schätzle
Mit Legacy-Systemen in die Zukunft Dr. Roland Schätzle Der Weg zur Entscheidung 2 Situation Geschäftliche und softwaretechnische Qualität der aktuellen Lösung? Lohnen sich weitere Investitionen? Migration??
MehrBest Practice 4.0 Industrie & Forschung. Thomas Moser
Best Practice 4.0 Industrie & Forschung Thomas Moser WELCOME! Best Practice 4.0 Thomas Moser 4.11.2015 2 Agenda Welcome and Introduction 13:15 13:20: Welcome & Agenda (Thomas Moser, FH St. Pölten) 13:20
MehrUpdating your Database Skills to Microsoft SQL Server 2012 MOC 40008
Updating your Database Skills to Microsoft SQL Server 2012 MOC 40008 In diesem Kurs erwerben Datenbankprofis die nötigen Kenntnisse, um die neuen und erweiterten Möglichkeiten von SQL Server 2012 nutzen
MehrLearn SAS. Ein Wegweiser für SAS Anwender. Kurstermine bis Juni 2019 online!
Learn SAS Ein Wegweiser für SAS Anwender Kurstermine bis Juni 2019 online! Das SAS Fitnessprogramm In der heutigen digitalen Zeit gibt es viele Möglichkeiten, sich SAS Kenntnisse anzueignen. Zahlreiche
MehrMachine Learning in Azure Hätte ich auf der Titanic überlebt? Olivia Klose Technical Evangelist, Microsoft @oliviaklose oliviaklose.
Machine Learning in Azure Hätte ich auf der Titanic überlebt? Olivia Klose Technical Evangelist, Microsoft @oliviaklose oliviaklose.com 13.06.20 15 SQLSaturday Rheinland 2015 1. Zu komplex: Man kann
MehrMicrosoft Azure Deutschland ist jetzt verfügbar -
Einordnung und Überblick Data Scientist Operationalisierung IT-Abteilung Anwendungsentwickler Der Data Scientist agil Tool seiner Wahl möglichst wenig Zeit Skalierung Code für die Operationalisierung Der
MehrModulliste. für den Masterstudiengang. Ingenieurinformatik. an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Ingenieurinformatik an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik vom Sommersemester 2017 Der Masterstudiengang Ingenieurinformatik (IngINF)
Mehr<Insert Picture Here> 8. Business Intelligence & Data Warehouse Konferenz
1 The Safe Harbor The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment
MehrBig Data Neue Erkenntnisse aus Daten gewinnen
Big Data Neue Erkenntnisse aus Daten gewinnen Thomas Klughardt Senior Systems Consultant 0 Software Dell Software Lösungsbereiche Transform Inform Connect Data center and cloud management Foglight APM,
MehrBig Data and Machine Learning
Weiterbildung Big Data and Machine Learning Certificate of Advanced Studies CAS Institut für Informatik Institut für Computerlinguistik Universität Zürich 2018 Seite 1/6 Beschreibung Die Informatik ist
MehrModulliste. für den Masterstudiengang. Computervisualistik. an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Computervisualistik an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik vom Sommersemester 2016 Der Masterstudiengang Computervisualistik (CV) Der
Mehr