data2day

data2day 2024

Unsere Vorträge zum Download

Seit 2014 dient die Konferenz als zentrale Anlaufstelle für alle, die sich intensiv mit den Themen Data Science, Data Engineering und Data Analytics beschäftigen und den Austausch in diesen Bereichen suchen.

In diesem Jahr stehen verschiedene Datenarchitekturen und die praktische Anwendung von Data Mesh und ähnlichen Konzepten im Mittelpunkt. Die data2day-Konferenz, organisiert von Heise Medien und dpunkt.verlag, richtet sich speziell an Data Scientists, Data Engineers und Daten-Teams.

Unsere Vorträge zum Download

Chatte mit deinen Daten: Aufbau eines Retrieval Augmented-Generation-(RAG)-Systems

Fabian Kaiser

Daten für und mit Large Language Models (LLMs) aufarbeiten und persistieren: Die Teilnehmer werden lernen, wie man Daten für die Verarbeitung mit LLMs vorbereitet und wie man sie effektiv persistiert, um den Trainingsprozess zu unterstützen.
Verarbeitung von (Text)daten mit LLMs: Die Teilnehmer werden die Grundlagen der Verarbeitung von Textdaten mit LLMs kennenlernen. Dies umfasst das Einlesen, Vorbereiten und Anwenden von LLMs auf Textdaten.
Erfahrungen mit Large Language Models sammeln: Durch praktische Übungen und Beispiele werden die Teilnehmer Erfahrungen im Umgang mit LLMs sammeln, um ein besseres Verständnis für deren Funktionsweise und Anwendungsmöglichkeiten zu entwickeln.

Zusatztermin am 20. November 2024 in Heidelberg

Jetzt zum Workshop anmelden

LLM-MVC: Ein Entwurfsmuster zur Strukturierung von LLM-Standardaufgaben mit generischen Prompts

Dr. Robert Bauer

Warum brauchen wir auch im LLM-Kontext standardisierte Entwurfsmuster
Was sind generische Prompts und (indirekte) LLM-Prozesse
Wie kann man diese Konzepte verwenden um Aufgaben zu strukturieren und die Anzahl verschiedener Prompts zu reduzieren
Für welche Anwendungsfälle ist das vorgestellte Entwurfsmuster nutzbar
Welche Erfahrungen haben wir damit in der Praxis gesammelt (wir haben den Ansatz in mehrere große Produktivsysteme integriert)

Download

Transparente Zeitreihenprognosen: Explainable AI (XAI) für Business User bei der BASF

Dr. Markward Britsch

Stephan Sauer (BASF)

Das Lernziel ist ein Verständnis von Interpretation von Zeitreihenvorhersagen mittels SHAP-Werten zu erlangen, sowie deren Möglichkeiten und derzeitigen Beschränkungen zu verstehen.

Download

Von Sprachphilosophie bis zur Spieltheorie: Was wir schon immer über LLMs wussten!

Julian Kurz

Dieser Vortrag bietet einen Einblick in Erkenntnisse, die andere Disziplinen schon immer kannten, und offenbart, was wir in der künstlichen Intelligenz noch lernen müssen!

Unsere Speaker

Fabian Kaiser

Lead Consultant Generative AI

🔗Hier geht es zum LinkedIn Profil von Fabian Kaiser.

Fabian Kaiser ist Experte für Generative AI. Er hat nach seinem Master in Informatik mit Fokus auf Natural Language Processing (NLP) ein Jahr lang am Ubiquitous Knowledge Processing (UKP) Lab zu Argument Mining in juristischen Texten geforscht. Seitdem hat er an diversen Projekten mit Fokus auf Textverarbeitung, IoT und Cloud Computing gearbeitet.

Dr. Markward Britsch

Senior Data Scientist

🔗Hier geht es zum LinkedIn Profil von Dr. Markward Britsch.

Markward Britsch ist Senior Data Scientist bei HMS Analytical Software in Heidelberg. Er promovierte in Astrophysik und setzte während seiner Post-Doc-Zeit in der experimentellen Teilchenphysik am CERN Machine Learning zur Analyse von LHC-Daten ein. In seiner derzeitigen Rolle konzentriert er sich auf die Herausforderungen analytischer Projekte, die tiefgehende Kenntnisse in Datenanalyse und Machine Learning erfordern.

Julian Kurz

Lead Expert Generative AI

🔗Hier geht es zum LinkedIn Profil von Julian Kurz.

Julian Kurz ist Lead Expert Generative AI bei der HMS Analytical Software GmbH. Er hat seinen Master in Künstlicher Intelligenz mit dem Fokus auf Natural Language Processing (NLP) in Edinburgh gemacht. Seitdem hat er viele Projekte in den Bereichen Machine Learning, Deep Learning, IoT und Cloud Computing umgesetzt.

Dr. Robert Bauer

Solution Lead Generative AI Engineering

Robert Bauer arbeitet als Solution Lead für Generative AI Engineering im Bereich Data Science und Business Intelligence bei HMS Analytical Software in Heidelberg. In dieser Rolle verantwortet er unter anderem den Bereich der Code-Migration und treibt die Entwicklung verschiedener Inhouse-Tools voran, darunter die im Vortrag vorgestellten Lösungen zur Migration von SAS nach Python.

Unsere Gen-AI Erfolgsgeschichten

Erfahren Sie hier mehr über die Generative-AI-Lösungen, die wir in verschiedenen Kundenprojekten entwickelt haben. Die Beispiele zeigen, wie unsere maßgeschneiderten Lösungen, Unternehmen erfolgreicher und digitale Transformation erlebbar machen.

GenAI-gestützte Transformation: Migration von SAS zu AWS

Finanzen

Unsere Lösung trug zur Modernisierung zentraler SAS BI-Landschaften bei, indem wir den Übergang in die Cloud erfolgreich gestalteten. Dabei setzten wir GenAI zur automatisierten Code-Migration nach Python erfolgreich ein.

Der Kundennutzen:

Langfristige Wirtschaftlichkeit und Effizienz der BI-Anwendungen
Architektur erfüllt BaFin-Anforderungen
Prozessoptimierung durch Konsolidierung und Professionalisierung

Case Study anschauen

LLM-basierte SQL-Abfragen in natürlicher Sprache

Healthcare / Life Science, Finanzen

Unsere Lösung ermöglicht SQL-Abfragen in natürlicher Sprache über eine Chatbot-Schnittstelle, wodurch auch Benutzer ohne technische Kenntnisse auf Unternehmensdaten zugreifen können.

Der Kundennutzen:

Demokratisierter Datenzugriff
Erhöhte Effizienz
Fundierte Entscheidungsfindung

Case Study anschauen

Analyse von Freitextdaten dank automatisiertem Inhaltstagging

Healthcare / Pharma

Unsere Lösung für das Taggen und Strukturieren von Inhalten verwandelt bisher ungenutzte Freitextdaten in wertvolle, analysierbare Informationen und verbessert so die Datenbasis in Unternehmen.

Der Kundennutzen:

Schnellere Klassifizierung, Bewertung und Strukturierung von Daten
Erweiterung der Datenbasis
Fundierte Analyse und Entscheidungsfindung

Case Study anschauen

Large-Scale RAG-System zur effizienten Beschaffung von Informationen

Chemie

Unser System ermöglicht es Forschern mittels natürlicher Sprache eine große Menge von internen Forschungsdaten präzise zu durchsuchen und so schneller an benötigte Informationen zu gelangen.

Der Kundennutzen:

Erhöhte Suchqualität
Optimale Nutzerführung
Erhöhtes Benutzervertrauen

Case Study anschauen

Automatisierte Wettbewerbsanalyse für strategische Entscheidungen

Healthcare

Unser Tool automatisiert die Sammlung und Analyse von Wettbewerbsinformationen mithilfe großer Sprachmodelle und ermöglicht Unternehmen so, präziser auf Marktveränderungen zu reagieren.

Der Kundennutzen:

Zeitersparnis durch Automatisierung
Präzisere Entscheidungsfindung
Schnelle, interaktive Datenanalyse

Case Study anschauen

Christoph Bergen

Projektleiter & Senior Data Scientist

Sie möchten mehr über Generative AI erfahren?

Wir geben gerne Antworten und unterstützen Sie bei Ihrem Projekt.

Jetzt Kontakt aufnehmen