Unser Blog "CI Insights" bietet spannende Einblicke in Themen, die uns beschäftigen: Ganz gleich ob Fachwissen aus der IT-Branche, Tipps für den Berufsalltag oder einfach Fragen, die wir uns stellen. Zum Lesen, darüber Nachdenken und Teilen!
David gibt einen Überblick über die Funktionen und den Workflow von Databricks Asset Bundles und der dazugehörigen VS Code-Erweiterung.
"Code, Analyze, Innovate" lautete das Motto der diesjährigen PyCon. Wie es war? Erfahrt ihr von unseren Teilnehmern!
Data Engineer Julian zeigt, wie wir unsere Datenanalyse mit Polars und DuckDB erweitert haben.
Architecture Decision Records helfen Entscheidungsprozesse transparent und nachvollziehbar zu machen. Benedikt teilt Infos, Tipps und weitere Quellen.
Open-Source-Lösungen werden aktuell immer beliebter für Datenarchitekturen. Wir zeigen, wie eine Lösung für einen spezifischen Anwendungsfall aussehen kann.
Möchten Unternehmen gesammelte Daten zur Analyse verwenden, stoßen bisher genutzte Ansätze oft an ihre Grenzen. Das Data Build Tool kann dabei helfen.
Für Trainingsdaten im Machine Learning gilt häufig: Viel hilft viel. Data Scientist Timo zeigt, wie man auch mit wenigen eigenen Daten viel erreichen kann.
... und der Data Scientist tanzt finnischen Tango! Michael berichtet vom ersten Pyramid Innovators User Group Treffen hier bei Cologne Intelligence.
Mit dem Zielbild einer Data Driven Company rückt auch Data Governance immer stärker in den Fokus. Dabei spielt die Verwaltung eine zentrale Rolle. Das Fundament: der Data Catalog.
Christian zeigt, wie wir mit Machine Learning Methoden zuverlässigere Zeitreihenanalysen auch für komplexere Fragestellungen erstellen können. Was das mit Osterhasen zu tun hat? Lest selbst!
Beim Reinforcement Learning lernen KIs wie Menschen auf Basis eigener Erfahrung. Wie das funktioniert und welche spannenden Anwendungsfälle es gibt, erklärt Data Scientist Robin.
Je umfassender die relevante Datenbasis, desto besser die KI. In einigen Bereichen ist diese jedoch klein und ein Austausch mit Anderen datenschutztechnisch nicht möglich. Hier kann föderiertes Lernen helfen.
Data Analytics, Data Science und Machine Learning arbeiten häufig mit personenbezogenen Daten. Jan zeigt, wie man diese richtig pseudonymisiert und anonymisiert.
