Wir blicken zurück auf die erste Staffel von ‚The Erium Podcast‘ und erzählen was euch in ein paar Wochen in der neuen Staffel erwartet. Seid gespannt!

Unter diesem Link findet ihr die Jupyter Notebooks der ersten Staffel:

https://gitlab.com/the-erium-podcast/the-erium-podcast/tree/master

Der Beitrag WRAP UP Season 1 erschien zuerst auf The Erium Podcast - Data Science & Machine Learning.

Wie bewerbe ich mich richtig bei einem Tech Start-Up? Zusammen mit Theo Steininger führen wir euch durch die einzelnen Schritte und geben euch die 3 wichtigsten Tipps, die ihr beachten müsst.

Hier findet ihr einen Link zur Zwei-Faktoren-Theorie von Herzberg:

https://de.wikipedia.org/wiki/Zwei-Faktoren-Theorie_(Herzberg)

Der Beitrag Bewerbung erschien zuerst auf The Erium Podcast - Data Science & Machine Learning.

Was sind Bayesian Methods? Und warum werden sie immer beliebter unter Start Ups? Was für ein starkes Potential für Machine Learning und Data Science hinter dieser Technologie steckt verrät uns Maksim Greiner in dieser neuen Ausgabe von The Erium Podcast.

Der Beitrag Bayesian Methods erschien zuerst auf The Erium Podcast - Data Science & Machine Learning.

Welche Auswirkungen können Hackerangriffe auf Neuronale Netze haben? Was ist Adversarial Noise? Und wie kann man sich dagegen schützen? All das erzählt uns Maksim Greiner in dieser neuen Folge von ‚The Erium Podcast‘.

Das Jupyter Notebook und das passende CSV-File findet ihr unter diesem Link:

https://gitlab.com/the-erium-podcast/the-erium-podcast/tree/master

Der Beitrag Adversarial Noise erschien zuerst auf The Erium Podcast - Data Science & Machine Learning.

Wie geht man richtig mit Missing Values um? Warum reichen Deletion und Mean Imputation oft einfach nicht aus? Wie geht intelligentes Feature Engineering? All das klären wir zusammen mit Prof. Dr. Christian Heumann in dieser Ausgabe.

Der Beitrag Missing Values erschien zuerst auf The Erium Podcast - Data Science & Machine Learning.

In der neuen Folge gehen wir gemeinsam auf ein Networking Event. Dabei hilft uns Theo Steininger auf die 10 wichtigsten Benimmregeln zu achten von Dresscode bis Networking.

Der Beitrag Business Etikette erschien zuerst auf The Erium Podcast - Data Science & Machine Learning.

Was macht eine gute Präsentation aus? Und worauf sollte man achten, um nicht die Zeit der Leute zu verschwenden? In der neuen Folge von The Erium Podcast spricht Theo Steininger über die wichtigsten Punkte, die es bei Präsentationen zu beachten gilt.

Das Jupyter Notebook und das passende CSV-File findet ihr unter diesem Link:

https://gitlab.com/the-erium-podcast/the-erium-podcast/tree/master

Der Beitrag Data Visualizations erschien zuerst auf The Erium Podcast - Data Science & Machine Learning.

Was ist Reinforcement Learning? Wo wird es benutzt? Und wann kann man es überhaupt anwenden? All das erzählt uns Maksim Greiner in dieser neuen Ausgabe von ‚The Erium Podcast‘.

Das Jupyter Notebook und das passende CSV-File findet ihr unter diesem Link:

https://gitlab.com/the-erium-podcast/the-erium-podcast/tree/master

Der Beitrag Reinforcement Learning erschien zuerst auf The Erium Podcast - Data Science & Machine Learning.

Welche Arten von Anomalien können in einem Dataset auftreten? Und wie geht man damit um? Theo Steininger verrät es uns in der neuen Ausgabe von ‚The Erium Podcast‘.

Das Jupyter Notebook und das passende CSV-File findet ihr unter diesem Link:

https://gitlab.com/the-erium-podcast/the-erium-podcast/tree/master

Der Beitrag Anomaly Detection erschien zuerst auf The Erium Podcast - Data Science & Machine Learning.

Was kann beim Interpretieren von Daten alles schief gehen? Und wie erkennt man wann man mit seiner Analyse komplett daneben liegt? In der neuen Folge von The Erium Podcast gibt uns Maksim Greiner die 5 wichtigsten Benimmregeln im Umgang mit Datensätzen.

Das Jupyter Notebook und das passende CSV-File findet ihr unter diesem Link:

https://gitlab.com/the-erium-podcast/the-erium-podcast/tree/master

Der Beitrag Data Misinterpretations erschien zuerst auf The Erium Podcast - Data Science & Machine Learning.