Data Science mit Milch und Zucker

+++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:

+++Unsere 24. Podcast-Episode: Die Revolution der Vektor-Datenbanken: Ein Gespräch mit Andre Zayarni von Qdrant+++

In der 24. Episode unseres Podcasts "Data Science mit Milch und Zucker" begrüßen wir Andre Zayarni, Mitbegründer und Geschäftsführer von Qdrant. Das Berliner Start-up Qdrant, bekannt für seine Entwicklung fortschrittlicher Speichersysteme für KI-Daten, genießt wachsende Popularität, insbesondere durch ihre Vektor-Datenbanktechnologie. Diese ermöglicht es, unstrukturierte Daten blitzschnell zu verarbeiten und zu analysieren, was sie ideal für Vektor-Suchmaschinen und ähnliche Anwendungen macht.

Andre erklärt die Funktionsweise und die Vorteile von Vektor-Datenbanken, die insbesondere in der semantischen Suche und bei Produktempfehlungen zum Einsatz kommen - und wie man auf dem Gebiet keine kalten Füße bekommt. Wir diskutieren auch, wie Qdrant die Herausforderungen großer Sprachmodelle (LMMs) mit Hilfe von Echtzeitdatenbanken angeht.

Andre teilt abschließend wertvolle Einblicke für angehende Data Scientists und Gründer, darunter die Bedeutung des kontinuierlichen Lernens und die Vorteile von Open Source in der Tech-Welt. Er betont, dass ein Großteil der weltweiten Daten irgendwann in Vektorform gespeichert sein wird, was das enorme Potenzial der von Qdrant entwickelten Technologie verdeutlicht.

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

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Unter dem folgenden Link findest du das LinkedIn Profil von Andre: https://de.linkedin.com/in/zayarni

+++Unsere 23. Podcast-Episode: Die Welt der Daten: Ein Podcast über Wissensgraphen und Datenbanken+++

(English Version below)

In der aktuellen Folge unseres Datenwissenschafts-Podcasts widmen wir uns einem Thema, das für viele im Bereich der künstlichen Intelligenz und Datenanalyse von zentraler Bedeutung ist. Gemeinsam mit Sruthi Radhakrishnan, einer erfahrenen AI Consultant bei itemis, beleuchten wir die Grundlagen und fortgeschrittenen Konzepte, die diese Technologien so kraftvoll und unverzichtbar machen.

Sruthi teilt mit uns ihr fundiertes Wissen und ihre praktischen Erfahrungen, um einen detaillierten Überblick über die Welt der Wissensgraphen zu geben. Wir diskutieren, was Wissensgraphen sind, wie sie funktionieren und warum sie ein unverzichtbares Werkzeug in der modernen Datenwissenschaft darstellen. Besonderes Augenmerk legen wir auf die verschiedenen Arten von Datenmodellierungen und Einbettungen, die für die effektive Nutzung von Wissensgraphen entscheidend sind.

Ebenso tauchen wir tief in die Thematik der Graphdatenbanken ein und vergleichen sie mit Vektordatenbanken. Dabei betrachten wir die spezifischen Anwendungsfälle und Vorteile, die Graphdatenbanken bieten.

Sruthi bietet nicht nur Einblicke in die technischen Aspekte, sondern gibt auch wertvolle Ratschläge für diejenigen, die ihre Kenntnisse in Data Science erweitern möchten. Ob du neu in diesem Feld bist oder deine Fähigkeiten vertiefen möchten, diese Episode bietet praktische Tipps und Einblicke.

Diese Episode inspiriert dazu, auszuprobieren, wie diese Technologien genutzt werden können, um die Grenzen dessen, was mit Daten möglich ist, neu zu definieren. Bereite dich darauf vor, die Tiefe und Breite der Datenwissenschaft zu erkunden und entdecke , wie Wissensgraphen und Datenbanken die Landschaft der Informationstechnologie umgestalten.

+++++ English Version +++++

In the latest episode of our Data Science Podcast, we delve into a topic that is of paramount importance to many in the field of artificial intelligence and data analysis. Alongside Sruthi Radhakrishnan, an experienced AI Consultant at itemis, we illuminate the fundamental and advanced concepts that make these technologies so powerful and indispensable.

Sruthi shares her in-depth knowledge and practical experience to provide a detailed overview of the world of knowledge graphs. We discuss what knowledge graphs are, how they function, and why they are an essential tool in modern data science. Special attention is paid to the various types of data modeling and embeddings that are crucial for the effective use of knowledge graphs.

We also dive deeply into the subject of graph databases and compare them with vector databases, considering the specific use cases and benefits that graph databases offer.

Sruthi provides not just insights into the technical aspects, but also valuable advice for those looking to expand their knowledge in data science. Whether you are new to this field or looking to deepen your skills, this episode offers practical tips and insights.

This episode inspires listeners to explore how these technologies can be utilized to redefine the boundaries of what is possible with data. Prepare to explore the depth and breadth of data science and discover how knowledge graphs and databases are transforming the landscape of information technology.

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

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Unter dem folgenden Link findest du das LinkedIn Profil von Sruthi Radhakrishnan: https://www.linkedin.com/in/sruthi--radhakrishnan/

In diesem Podcast diskutieren wir mit Felix Burkhardt, Leiter der Forschung bei AudEERING, über Anwendungen der Audiobearbeitung mit maschinellem Lernen. Wir gehen auf verschiedene Bereiche wie Sprach- und Nicht-Sprach-Audioanalyse ein und betonen die Bedeutung der Mensch-Maschine-Interaktion. Beispiele sind intelligente Kopfhörer, die den Klang basierend auf der Umgebung anpassen, und die Erkennung von Emotionen zur Verbesserung der menschenähnlichen Kommunikation in verschiedenen Bereichen wie Gaming, Automobil und Gesundheitswesen. Felix hebt Herausforderungen wie das Labeln von Daten für das Training von Modellen und die Notwendigkeit von generalisierbaren Lösungen in der domänenspezifischen KI-Landschaft hervor.

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

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Unter dem folgenden Link findest du das LinkedIn Profil von Dr. Carlotta Schatten: https://de.linkedin.com/in/carlotta-schatten

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

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Unter dem folgenden Link findest du das LinkedIn Profil von Siegfried Eckstedt: https://www.linkedin.com/in/siegfriedeckstedt/

Und hier geht's zu AIKU falls du einen Blick reinwerfen magst:

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

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Unter dem folgenden Link findest du das LinkedIn Profil von Dr. Gordon Euchler: https://www.linkedin.com/in/gordon-euchler-8a0b593/

Und hier geht's zur 30 Minute University:

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

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Unter dem folgenden Link findest du das LinkedIn Profil von Dr. Michael Berthold: https://www.linkedin.com/in/michaelberthold/

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

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Unter dem folgenden Link findest du das LinkedIn Profil von Dr. Christof Henkel: https://www.linkedin.com/in/dr-christof-henkel-766a54ba

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

Oder nimm an einem unserer zahlreichen Onlinekurse teil:

Unter dem folgenden Link findest du das LinkedIn Profil von Dr. Matthias Hofmann:https://www.linkedin.com/in/matthias-hofmann-468425147/