Episodes

  • Herausforderungen und Lösungen in ML Ops und LLM Ops

    Herausforderungen und Lösungen in ML Ops und LLM Ops
    Jul 24 2024
    +++ 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: https://datamics.com/ Oder nimm an einem unserer zahlreichen Onlinekurse teil: https://www.udemy.com/user/datamics/ Um mit Robby in Kontakt zu treten, besuche gerne sein LinkedIn Profil oder die Homepage von Weights & Biases: https://www.linkedin.com/in/robby-hornig-6b200841 https://wandb.ai/site
    Show more Show less
    28 mins
  • Marketing-Automatisierung mit künstlicher Intelligenz

    Marketing-Automatisierung mit künstlicher Intelligenz
    Jun 13 2024
    +++ 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. Sie erklärt, wie wichtig es ist, alle Beteiligten einzubinden, klare Visionen und Ziele zu entwickeln und die Prozesse kontinuierlich anzupassen. Außerdem gibt Annette praktische Insider-Tipps zur Nutzung von Tools wie GPT und Automatisierungsplattformen um Texte, E-Mails, Grafiken und mehr zu erstellen und eure Arbeitsprozesse zu vereinfachen. 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: https://datamics.com/ Oder nimm an einem unserer zahlreichen Onlinekurse teil: https://www.udemy.com/user/datamics/ Um mit Annette in Kontakt zu treten, besuche gerne ihr LinkedIn Profil oder die Homepage der Techwanderer: https://www.linkedin.com/in/annette-c-9a7551139/ https://www.techwanderer.de/
    Show more Show less
    20 mins
  • From Algorithm to Application: A Look into the World of Data Science with Falcony AI

    From Algorithm to Application: A Look into the World of Data Science with Falcony AI
    May 2 2024
    +++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 teilt offen sein Wissen über Algorithmenforschung bis zur praktischen Anwendung in verschiedenen Branchen mit uns! Wir werden dabei z.B. über die Zusammenarbeit mit einem Unternehmen sprechen, das sich auf Inkasso spezialisiert hat. Mirza und sein Team entwickeln Modelle zur Vorhersage der Wahrscheinlichkeit von Zahlungseingängen bei Bankkunden. 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.
    Show more Show less
    28 mins
  • Die Revolution der Vektor-Datenbanken: Ein Gespräch mit Andre Zayarni von Qdrant

    Die Revolution der Vektor-Datenbanken: Ein Gespräch mit Andre Zayarni von Qdrant
    Apr 23 2024
    +++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. Zu den Nutzern gehören namhafte Unternehmen wie Deloitte, Bayer und Bosch, was die breite Akzeptanz und Anwendung ihrer Technologie zeigt. 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.
    Show more Show less
    20 mins
  • The World of Data: A Podcast on Knowledge Graphs and Databases

    The World of Data: A Podcast on Knowledge Graphs and Databases
    Mar 28 2024
    +++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.
    Show more Show less
    28 mins
  • Audiobearbeitung mit maschinellem Lernen

    Audiobearbeitung mit maschinellem Lernen
    Feb 29 2024
    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.
    Show more Show less
    25 mins
  • Unlocking Data Science Excellence: Insights for Novices and Pros in Large Corporations

    Unlocking Data Science Excellence: Insights for Novices and Pros in Large Corporations
    Nov 14 2023
    +++Unsere 21. Podcast-Episode: Data Science und Organisation+++ (English Version below) In unserer neuesten Podcast-Episode sprechen wir mit Dr. Carlotta Schatten, Engineer Manager bei Autoscout24, über spannende Aspekte im Bereich Data Science und Unternehmensorganisation. Wir diskutieren die Bedeutung von Data Science in Unternehmen, strukturelle Herausforderungen, Corporate Value, Data Drift und vieles mehr. Wir beleuchten zentrale organisatorische Faktoren, den Bedarf an Data Science, funktionale und technische Anforderungen sowie die Notwendigkeit von Flexibilität. Besonders interessant ist die enge Zusammenarbeit zwischen Product Managern und dem Data Science Team, die oft in Organisationen mit zentralisierten Data Teams eine Herausforderung darstellt. Wir erörtern, wie ein datengetriebenes Mindset in der gesamten Struktur verankert werden kann und welche Vorteile sich daraus ergeben. In zentralisierten Data Teams arbeiten Data Analysts, Data Engineers und Data Scientists mit unterschiedlichen Wissensschwerpunkten, die sich auf die Bedürfnisse interner Kunden spezialisiert haben. Wir erläutern die verschiedenen Rollen und Aufgaben dieser Teammitglieder im Podcast. Transparenz ist entscheidend, wenn es darum geht, komplexe Machine Learning Modelle und ihre Funktionsweise für interne User verständlich zu erklären. Wir betonen die Wichtigkeit, Abweichungen zwischen Trainingsdaten und realen Daten zu beachten und Experten hinzuzuziehen, wenn Probleme auftreten. Carlotta teilt auch Einblicke in die Automatisierung von Deployment-Prozessen und zeigt anhand von interessanten Beispielen, inwieweit dies möglich und sinnvoll ist. Zum Abschluss gibt es wertvolle Tipps für Anfänger im Data-Science-Bereich. Hol deine Kopfhörer raus und lass dich von dieser spannenden Episode inspirieren! +++++ English Version +++++ In our latest podcast episode, we discuss exciting aspects of Data Science and organizational structure with Dr. Carlotta Schatten, Engineering Manager at Autoscout24. We delve into the significance of Data Science in businesses, structural challenges, Corporate Value, Data Drift, and much more. We shed light on crucial organizational factors, the demand for Data Science, functional and technical requirements, and the need for flexibility. Of particular interest is the close collaboration between Product Managers and the Data Science Team, which often poses a challenge in organizations with centralized Data Teams. We explore how a data-driven mindset can be embedded throughout the structure and the benefits it brings. In centralized Data Teams, you'll find Data Analysts, Data Engineers, and Data Scientists with varying areas of expertise, specialized to cater to the needs of internal customers. We explain the different roles and responsibilities of these team members in the podcast. Transparency is key when it comes to making complex Machine Learning models and their operation understandable to users. We emphasize the importance of acknowledging discrepancies between training data and real data, and involving experts when issues arise. Carlotta also shares insights into the automation of deployment processes and illustrates to what extent this is possible and practical with intriguing examples. To wrap up, we offer valuable tips for beginners in the Data Science field. Grab your headphones and let this exciting episode inspire you!
    Show more Show less
    28 mins
  • MLOps von A-Z

    MLOps von A-Z
    Sep 25 2023
    In der zwanzigsten Episode unseres Data Science Podcasts nehmen wir uns die Zeit, um tief in die Welt der Machine Learning Operations einzutauchen. Dr. René Brunner spricht mit Siegfried Eckstedt von AIKU über die Herausforderungen, die bei der Umsetzung von MLOps auftreten können. Siggi stellt dabei klar dass sich bewährte Architekturen oft branchenübergreifend unverändert einsetzen lassen. Wir konzentrieren uns auf die einzigartigen Aspekte von MLOps und zeigen, wie Modelle erfolgreich in produktive Umgebungen überführt werden können und welchen Benefit man dabei hat wenn man dabei über den Tellerrand hinausschaut und andere Abteilungen im Unternehmen mit einbezieht. Dabei spielt auch das Testing eine große Rolle! Wenn du denkst ein End-to-End Test ist der ultimative Check, dann hör rein was es mit der Testpyramide auf sich hat. Außerdem schmunzeln wir mit der Kiss and Kick Me Methode, die einem letztlich doch hilft, den MLOps-Prozess auf intelligente Weise zu vereinfachen und gleichzeitig mögliche Stolpersteine zu identifizieren und zu umgehen. Es ist informativ und spannend zugleich - lass uns gemeinsam die Welt der Machine Learning Operations von A bis Z erkunden!
    Show more Show less
    36 mins