Machine Learning zum Frühstück

Mit „Machine Learning zum Frühstück“ haben wir ein neues Format entwickelt, das Kunden und Partnern leichtgewichtig und interaktiv Einblicke in Machine Learning und dessen Potentiale bietet. In unserem Workshop ist Mitmachen angesagt: Statt sich nur vor dem Bildschirm an unserer Frühstücksbox zu erfreuen, können die Teilnehmer direkt selbst Hand anlegen und mit Hilfe der Plattform unseres Technologiepartners Dataiku ihr eigenes Modell entwickeln. Die erste Runde „Machine Learning zum Frühstück“ fand im April statt – hier ein Bericht.

Benedikt Schröter

Lead Consultant - Data Engineering

Machine Learning als Chance nutzen

Eine kurze Einführung der Basiskonzepte unterschiedlicher Lernmethoden und Modell-Typen wie Regression und Klassifikation gab den Teilnehmern einen Überblick, welche Möglichkeiten und Chancen Machine Learning branchenübergreifend in vielen Bereichen bietet. Dazu zählen zum Beispiel Betrugserkennung, Preisfindung und personalisierte Empfehlungen, aber auch vorausschauende Wartung, Bedarfsprognose oder Kundensupport.

Von der Idee bis zum ersten Prototyp mit dem CRISP-DM

Mit dem Cross Industry Standard Process for Data Mining (CRISP-DM) haben wir den Teilnehmern ein Werkzeug für die strukturierte Umsetzung ihres ersten Use Case an die Hand gegeben.

Am CRISP-DM gefällt uns besonders die Sensibilität, welche für die ersten Schritte Business Understanding und Data Understanding geschaffen wird: Wer erfolgreich einen Use Case bewältigen möchte, sollte sich sowohl mit dem Fachbereich als auch den Facetten der Daten auseinandersetzen und ggf. Kollegen aus dem Fachbereich als Wissensträger in das Projekt mit einbeziehen.

DATA SCIENCE BEI CI

Hands-On mit Dataiku – Mit viel Spaß zum ersten Modell

Dass Machine Learning gar nicht kompliziert sein muss, konnten die Teilnehmer in der Hands-On Session mit Hilfe des Data Science Studio von Dataiku direkt selbst erleben. Das Tool bietet eine vollumfängliche End-to-End Erfahrung, vom ersten Prototyp bis zum Deployment von Batch- und API-Modellen und bringt dabei erfahrene Data Science Experten und Fachbereiche an einen Tisch.

In dem Workshop haben die Teilnehmer auf Basis der zuvor erlernten Grundkenntnisse ein Modell zur Erkennung von Kündigern aus einem Beispieldatensatz entwickelt. Hierzu mussten sie die Daten auf die Plattform laden, neue Spalten berechnen und konnten anschließend auf dieser Grundlage ihre ersten Modelle trainieren.

Was kommt nach dem erfolgreichen Prototyp?

Super, die Teilnehmer haben nun erfolgreich ihre ersten Prototypen entwickelt! Was auf der grünen Wiese begonnen hat möchten wir nun in das Unternehmen überführen und einen Mehrwert schaffen. Welche Schritte dafür notwendig sind, zeigt uns das folgende Schaubild des Machine Learning Lifecycles.

Experimental Development Operations Abauf Modell

Konnten wir unseren ersten erfolgreichen Prototypen in der Phase entwickeln, stehen wir anschließend vor neuen spannenden Herausforderungen. Der Prototyp aus der Phase Experimental muss in einen stabilen automatisierten Prozess überführt werden, welcher es ermöglicht, dass das Modell im Unternehmenskontext produktiv genutzt werden kann. Hierbei werden in der Phase Development entsprechende Voraussetzungen geschaffen, die eine kontinuierliche Weiterentwicklung und ein schnelles Deployment ermöglichen. Die anschließenden Prozesse der Phase Operations stellen sicher, dass das Modell auch dauerhaft die gewünschten Ergebnisse erzielt. Damit sich das Team neuen Projekten widmen kann, ist es wichtig Automatismen zu implementieren, welche die Modelle überwachen und eine Wartung oder einen Austausch durch bessere Modelle möglichst einfach gestalten.

Wie Dataiku diese Phasen unterstützt, konnte Rogier van Aarle von Dataiku im Anschluss an das Hands-On demonstrieren.

Fazit

Mit Hilfe des Workshops konnten wir den Teilnehmern ein besseres Verständnis für Machine Learning vermitteln und Impulse geben, welche Herausforderungen durch den Einsatz entsprechender Modelle gelöst werden können. Um die Chancen von Machine Learning zu nutzen helfen moderne End-To-End Plattformen wie Dataiku nicht nur dabei neue Prototypen effizient zu entwickeln, sondern diese auch in das Unternehmen zu integrieren und einen somit wirklichen Mehrwert zu schaffen.

Hier findet Ihr weitere Blogbeiträge zum Thema Data Science.

02.04.2024 von Moritz Franzke

ChatGPT für Designer im Check – müßige Mehrarbeit oder tadelloses Tool?

KI macht auch vor der UX Branche nicht Halt – wie nützlich ist ChatGPT aber für unsere UX Designer?

15.02.2024 von Dimitri Krieger

CI Hackathon 2023: KI @ CI

24 Stunden Hackathon, ein Thema: KI @ CI! Bei unserem letzten Hackathon hat sich eine Projektgruppe dem Thema künstliche Intelligenz gewidmet.

23.03.2023 von Timo Walter

Transfer Learning

Für Trainingsdaten im Machine Learning gilt häufig: Viel hilft viel. Data Scientist Timo zeigt, wie man auch mit wenigen eigenen Daten viel erreichen kann.

Beratung & Umsetzung

Fragen zum Portfolio?