Listen to a podcast, please open Podcast Republic app. Available on Google Play Store and Apple App Store.
Episode | Date |
---|---|
#47: Von Prognosen und Prompts: Data Science trifft generative KI mit Tobias Sterbak
|
May 16, 2024 |
#46: Strategien zur Performance-Optimierung in R
|
May 02, 2024 |
#45: Data Science bei 1&1 Versatel – Dr. Stephan Hausberg im Gespräch über den Aufbau von Data Teams
|
Apr 18, 2024 |
#44: Lineare Regression in der Praxis – Oldie oder Goldie?
|
Apr 04, 2024 |
#43: Damit es im Live-Betrieb nicht kracht: Vermeidung von Overfitting & Data Leakage
|
Mar 21, 2024 |
#42: Frontends in Data Science: Welches Visualisierungstool ist das Richtige?
|
Mar 07, 2024 |
#41: Strategien zur Performance-Optimierung in Python
|
Feb 22, 2024 |
#40: Sonderfolge: Frauen in Data Science und Tech mit Catrin & Isa von Mind the Tech
|
Feb 08, 2024 |
#39: Death by Microservices
|
Jan 26, 2024 |
#38: Im Rennen gegen die Zeit: Echtzeitprognosen mit komplexen statistischen Modellen
|
Jan 11, 2024 |
#37: Deep Learning zur Erkennung von Hochwasser auf Satellitenbildern mit Philip Popien von Floodbase
|
Dec 07, 2023 |
#36: Der Data Mesh Hype und was davon bleibt
|
Nov 23, 2023 |
#35: Erfolgsfaktoren für Machine Learning Projekte mit Philipp Jackmuth von dida
|
Nov 09, 2023 |
#34: Was ist Attribution im Online Marketing und lohnt sie sich noch?
|
Oct 26, 2023 |
#33: Data Science bei Zalando – Dr. Claudia Baldermann im Gespräch über Product Development & Organisation
|
Sep 28, 2023 |
#32: Brauche ich Data-Science-Berater*innen und wenn ja wie viele?
|
Sep 14, 2023 |
#31: Ist R eigentlich tot?
|
Aug 31, 2023 |
#30: Agile Softwareentwicklung im Data-Science-Kontext
|
Aug 17, 2023 |
#29: Die Qual der Wahl: Data Science Plattform vs. Customized Stack
|
Aug 03, 2023 |
#28: Unsere Erkenntnisse aus einem Fraud-Detection-Projekt mit Echtzeitdaten
|
Jul 20, 2023 |
#27: Kann ein Large Language Model (LLM) bei der Klassifikation tabellarischer Daten XGBoost schlagen?
|
Jul 06, 2023 |
#26: A/B-Testing: Erkenntnisse statt Bauchgefühl
|
Jun 22, 2023 |
#25: Feature Store: Features als wiederverwendbares Datenprodukt
|
May 25, 2023 |
#24: Explainable AI: Entscheidungen von Black-Box-Modellen verstehen
|
May 11, 2023 |
#23: Unsexy aber wichtig: Tests und Monitoring
|
Apr 27, 2023 |
#22: Sind Makro-Prognosen in Zeiten von Strukturbrüchen noch sinnvoll?
|
Apr 13, 2023 |
#21: Machine Learning Operations (MLOps)
|
Mar 30, 2023 |
#20: Ist Continuous Integration (CI) ein Muss für Data Scientists?
|
Mar 16, 2023 |
#19: Data Science und Story Telling
|
Mar 02, 2023 |
#18: Big Data Erfolgsgeschichten
|
Feb 16, 2023 |
#17: Use Case - Kundensegmentierung
|
Feb 02, 2023 |
#16: Sind Daten das neue Öl?
|
Jan 19, 2023 |
#15: Data Science Architektur: Microservices vs. Data Mesh
|
Jan 05, 2023 |
#14: Kubernetes
|
Dec 22, 2022 |
#13: Datenqualität
|
Dec 08, 2022 |
#12: Use Case - Luftschadstoffprognose für Berlin
|
Nov 24, 2022 |
#11: Real Time Analytics
|
Nov 10, 2022 |
#10: Signifikanz
|
Oct 27, 2022 |
#9: Data Science Project Ownership
|
Sep 15, 2022 |
#8: Use Case - Customer Lifetime Value (CLV)
|
Sep 01, 2022 |
#7: Data Culture
|
Aug 18, 2022 |
#6: Statistik vs. Machine Learning
|
Aug 03, 2022 |
#5: Data Warehouse vs. Data Lake vs. Data Mesh
|
Jul 20, 2022 |
#4: Job-Profile & Arbeitsmarkt
|
Jul 06, 2022 |
#3: Statistik vs. Data Science
|
Jun 22, 2022 |
#2: Erfolgsfaktoren für Predictive Analytics Projekte
|
Jun 08, 2022 |
#1: Big Data Hype
|
May 25, 2022 |