Data Science mit Milch und Zucker

(english version below)

In dieser Folge sprechen wir mit Joel Un von Holcim - einem internationalen Konzern, der in mehr als 60 Ländern aktiv ist – über die Herausforderungen und Chancen beim Einsatz von Data Science im Bereich Arbeitssicherheit auf Baustellen.

Wie lässt sich mit Hilfe von Audio-, Sensor- und Kameradaten erkennen, ob Sicherheitsvorgaben eingehalten werden? Welche Rolle spielen ML-Modelle in einem realen, oft chaotischen Baustellenumfeld – und wie bringt man diese überhaupt produktiv zum Laufen?

Joel gibt uns Einblick in seine Projekte, erzählt von praktischen Erfahrungen bei der Implementierung von Machine Learning im Produktionsumfeld, von der Bedeutung eines guten MLOps-Setups und warum der Einstieg in strukturierte ML-Projekte nicht in Jupyter Notebooks enden sollte. Auch Themen wie Akzeptanz im Team, Datenschutz und Annotation im industriellen Umfeld kommen zur Sprache.

Ein spannender Use Case, der zeigt, wie weit Data Science bereits in industrielle Kontexte vorgedrungen ist – und was es braucht, damit Innovation nicht nur ein Buzzword bleibt.

+++++ Episode 34: Data Science on Construction Sites – Safety, Sensors, and Smart Use Cases +++++

In this episode, we talk to Joel un, a data scientist working at Holcim, a large international company operating in over 60 countries. The topic: using data science and machine learning to improve safety on construction sites.

How can audio, sensor, and camera data help detect whether safety protocols are being followed? What does it take to get machine learning models running in the unpredictable reality of construction environments?

Joel shares insights from real-world projects, explaining how ML can be effectively applied in industrial contexts. We dive into topics like MLOps, annotation challenges in production settings, data privacy, and why it's often a mistake to start with just a Jupyter notebook.

A fascinating use case that shows how data science is already shaping safety and efficiency far beyond the tech industry—and what it takes to turn innovation into real impact.

Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website:

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Um mit Natalie in Kontakt zu treten, besuche gerne ihr LinkedIn-Profil:

++++ Unsere 33. Podcast-Episode: Natalie Gerhardt über Chemometrics in der Lebensmittelauthentifizierung und Qualitätssicherung ++++

Hallo und herzlich willkommen zur neuen Episode des Podcasts „Data Science mit Milch und Zucker“! Im Podcast Nr. 33 geht es um den Einsatz von Data Science und chemometrischen Methoden zur Authentifizierung von Lebensmitteln und der Sicherung von Qualität. Zu Gast ist Natalie Gerhardt, Professorin für Analytische Chemie mit dem Schwerpunkt Chemometrie und Data Science. Sie ist Expertin im Bereich der Überprüfung der Authentizität und Echtheit von Lebensmitteln und gewährt uns tiefgehende Einblicke in die praktischen Herausforderungen sowie innovative Lösungsansätze – insbesondere durch den Einsatz von "Profiling"- oder "Fingerprinting"-Analysen, die zur Sicherstellung der Herkunft und Echtheit von Lebensmitteln beitragen.

Natalie erklärt, wie in der Lebensmittelindustrie oft mit komplexen Datensätzen gearbeitet wird, die über 40.000 Variablen umfassen können. Dabei geht es darum, mit klassischen Methoden wie der Hauptkomponentenanalyse (PCA) und Klassifikationsalgorithmen wie der linearen Diskriminanzanalyse (LDA), die relevanten Muster zu identifizieren und Authentizität zu prüfen. Durch den Einsatz verschiedener chemometrischer Ansätze werden die Daten reduziert, wesentliche Informationen extrahiert und Korrelationen sowie verborgene Zusammenhänge aufgedeckt. Besonders bei hochwertigen Lebensmitteln wie Safran, Honig, Olivenöl und Fleisch wird die Gefahr von Fälschungen thematisiert, die immer raffinierter werden. Hier hilft der Einsatz von Data Science, um Fehlerquellen schnell zu erkennen und fälschungssichere Referenzdatenbanken aufzubauen.

Die Datenqualität und die Probenplanung spielen eine entscheidende Rolle, um zuverlässige Ergebnisse zu erzielen. Dabei ist es wichtig, dass Data Scientists und Industriepartner gut zusammenarbeiten und die Ziele des Projekts klar kommuniziert werden. Natalie betont zudem die Bedeutung der Datenprozesse: Wie geht man mit Fehlwerten, Ausreißern und Rauschen in den Daten um? Sie hebt hervor, dass einfache Modelle oft besser geeignet sind als komplexe Deep Learning-Algorithmen, besonders bei kleineren Datensätzen.

Zum Schluss gibt sie noch Tipps, wie man erfolgreich mit Data Science-Projekten arbeitet: Ziele klar definieren, den Workflow sorgfältig planen und vernetzt bleiben, um von den neuesten Entwicklungen in der Branche zu profitieren.

Vielen Dank fürs Zuhören und viel Spaß mit der Episode!

Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website:

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Um mit Natalie in Kontakt zu treten, besuche gerne ihr LinkedIn-Profil:

+++ Unsere 32. Podcast-Episode: Philipp Paraguya über digitale Transformation, KI und A/B-Testing +++

Hallo und herzlich willkommen zur neuen Episode des Podcasts „Data Science mit Milch und Zucker“! Heute freuen wir uns, Philipp Paraguya, Manager bei der ALDI Data & Analytics Services GmbH, als Gast zu begrüßen. Philipp ist ein erfahrener Experte für digitale Transformation und künstliche Intelligenz in Unternehmen. Mit seiner langjährigen Erfahrung in der Tech- und Beratungsbranche teilt er spannende Einblicke in die Implementierung von KI-Technologien und datengetriebene Entscheidungsfindung.

In dieser Folge sprechen wir über die Bedeutung von A/B-Testing und datenbasierten Experimenten für Unternehmen. Philipp erklärt, warum A/B-Tests ein essenzielles Werkzeug für die Optimierung von Geschäftsprozessen sind – sei es im Marketing, in der Produktentwicklung oder bei der Automatisierung von Abläufen. Er gibt praxisnahe Tipps, wie Unternehmen ihre Tests strukturieren sollten, um aussagekräftige Ergebnisse zu erhalten, und zeigt auf, welche Fallstricke es zu vermeiden gilt.

Außerdem diskutieren wir, welche Rolle KI bei der digitalen Transformation spielt und wie Führungskräfte ihre Teams optimal auf neue Technologien vorbereiten können. Philipp betont die Wichtigkeit von kontinuierlichem Lernen, iterativen Verbesserungen und einer datengetriebenen Unternehmenskultur.

Wir freuen uns, euch in dieser Folge wertvolle Insights zu A/B-Testing, KI und digitaler Transformation zu geben.

Vielen Dank fürs Zuhören und viel Spaß mit der Episode!

Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website:

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Um mit Philipp in Kontakt zu treten, besuche gerne sein LinkedIn-Profil:

In dieser 29. Episode von "Data Science mit Milch und Zucker" tauchen wir tief in die Sicherheitsaspekte der Data Science ein. Gastgeber René spricht mit Thomas Neeff, Sicherheitsexperte und Geschäftsführer von Ten Information Management GmbH. Hier sind die Highlights des Gesprächs:

Hören Sie sich die Episode an, um mehr über die Sicherheitsstrategien im Data Science Bereich zu erfahren und zu lernen, wie Sie Ihre Datenprojekte sicher gestalten können.

In dieser 28. Folge von "Data Science mit Milch und Zucker" spricht René mit Laura Luisa Velikonja, Head of Business Data Analytics bei Zeiss, über den spannenden Wandel in der Datenwelt und die digitale Transformation bei Zeiss. Im Gespräch geht es um:

Weiterführende Links:

Fragen oder Feedback?

+++ Episode 27: ML Ops und LLM Ops – Herausforderungen und Lösungen mit Robby Hornig +++

In der heutigen Episode von „Data Science mit Milch und Zucker“ haben wir Robby Hornig von Weights & Biases zu Gast. Robby ist der Regional Director für die DACH-Region sowie Osteuropa und bringt eine Fülle von Wissen und Erfahrung in den Bereichen Machine Learning Operations (ML Ops) und Large Language Models (LLM Ops) mit.

Wir tauchen tief in die Herausforderungen ein, die Unternehmen im Bereich ML Ops begegnen, und wie Weights & Biases als führende Plattform in diesem Bereich Lösungen bietet. Robby erklärt, wie wichtig es ist, die richtigen Tools und Prozesse zu implementieren, um den gesamten ML-Lebenszyklus effizient zu verwalten – von der Datenvorbereitung über das Training und die Modellüberwachung bis hin zur Modellbereitstellung.

Ein besonderer Fokus liegt auf den spezifischen Anforderungen und Best Practices rund um LLMs und Generative AI. Robby teilt seine Einsichten darüber, wie man die Komplexität dieser Modelle handhaben kann und welche Rolle Weights & Biases dabei spielt, die Entwicklungs- und Betriebsprozesse zu optimieren.

Hör rein, um mehr über die neuesten Entwicklungen im Bereich ML Ops zu erfahren und wie du deine ML- und AI-Projekte auf das nächste Level bringen kannst. Diese Episode ist ein Muss für alle, die sich für die effiziente und skalierbare Implementierung von Machine Learning interessieren.

Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website:

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Um mit Robby in Kontakt zu treten, besuche gerne sein LinkedIn Profil oder die Homepage von Weights & Biases:

+++ Unsere 26. Podcast-Episode: Erfolgreiche Marketing-Automatisierung: Tipps von Annette Czanaky +++

Hallo und herzlich willkommen zur neuen Episode des Podcasts „Data Science mit Milch und Zucker“. Heute begrüße ich Annette Czanaky, Gründerin von Techwanderer. Sie war Vice President und Head of IT Consulting & Data Analytics bei DHL und ist jetzt als Trainerin und Consultant im Bereich künstliche Intelligenz erfolgreich selbstständig. In dieser Episode teilt sie ihre Expertise zur Automatisierung im Marketing.

Annette spricht darüber, wie ihr KI effizient in Marketingprozesse wie E-Mail-Marketing und Webseiten einsetzen könnt - und trotzdem euren persönlichen Stil nicht verliert.

Wir freuen uns, dass wir euch in dieser Folge diese wertvollen Einblicke in die Nutzung von KI im Marketing geben können.

Vielen Dank fürs Zuhören und viel Spaß mit der Episode!

Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website:

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Um mit Annette in Kontakt zu treten, besuche gerne ihr LinkedIn Profil oder die Homepage der Techwanderer:

+++Unsere 25. Podcast-Episode: Vom Algorithmus zur Anwendung: Ein Blick in die Welt von Data Science mit Falcony AI+++

+++ English Version below +++

In dieser Folge begrüßt René seinen Gast Mirza Klimenta den Gründer von Falcony AI, der uns tiefe Einblicke in spannende DataScience-Projekte geben wird.

Wir tauchen gemeinsam ein in faszinierende Themen wie Recommender-Systeme, Kausalität und seine Erfahrungen mit verschiedenen Datenprojekten.

Mirza gibt euch auch wertvolle Tipps, etwa die Wichtigkeit einer gründlichen Anfangsanalyse der Daten und das Verständnis ihrer Verteilung, bevor man überhaupt Modelle auswählt. Er betont, wie entscheidend es ist, einfache Basismodelle als Vergleichsgrundlage zu verwenden, bevor komplexere Ansätze wie Graph Neural Networks und Cloud-basierte Lösungen angewendet werden.

Diese Episode bietet nicht nur einen Einblick in aktuelle Projekte und Technologien, sondern auch praktische Ratschläge für Data Scientists, die ihre Methodik verfeinern wollen. Ein Muss für jeden, der sich für die Schnittstelle von Datenwissenschaft und realen Anwendungen interessiert.

+++ English Version +++

In this episode, René welcomes his guest Mirza Klimenta, the founder of Falcony AI, who will provide deep insights into exciting data science projects.

Together, we delve into fascinating topics such as recommender systems, causality, and his experiences with various data projects. Mirza openly shares his knowledge from algorithm research to practical application across different industries! For instance, we will discuss his collaboration with a company specializing in debt collection. Mirza and his team are developing models to predict the likelihood of payment receipts from bank clients.

Mirza also offers valuable tips, such as the importance of a thorough initial analysis of the data and understanding their distribution before even selecting models. He emphasizes how crucial it is to use simple baseline models as a point of comparison before applying more complex approaches like Graph Neural Networks and cloud-based solutions.

This episode not only provides a glimpse into current projects and technologies but also offers practical advice for data scientists looking to refine their methodologies. It's a must-listen for anyone interested in the intersection of data science and real-world applications.

Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website:

Oder nimm an einem unserer zahlreichen Onlinekurse teil: