Sicherlich haben auch Sie im Unternehmen viele Daten, in denen noch Werte stecken, die besser genutzt werden könnten. Kaum hat man es geschafft, die “Data Scientisten” zu finden und einzustellen, so stellt man schnell fest, dass Daten und Know-how sehr wichtig sind, aber leider noch mehr nötig ist, um beides in Geschäftswerte zu überführen.

In diesem Vortrag schauen wir auf positive Kundenbeispiele und auch klassische Herausforderungen in der Umsetzung von ML-Projekten. Wir schauen auf typische Anforderungen sowie passende Technik und Tools, die Agilität unterstützen und vor allem helfen, die letzte Meile von Machine-Learning-Produkten bis in die Produktion zu bringen und kostspielige Verzögerungen zu verhindern.