Im Kompetenzfeld Artificial Intelligence und Business Intelligence (AIBI) beschäftigen wir uns mit allen Methoden, Technologien und Arbeitsweisen rund um AI und BI. Neben analytischen Verfahren wie z.B. Machine Learning beinhaltet dies auch Methoden und Technologien zur Datenaufbereitung, zur Darstellung von Analyseergebnissen und zur Operationalisierung in Cloud- oder On-Premise-Systemen. Data Story Telling oder Möglichkeiten der effektiven Zusammenarbeit in analytischen Projekten sind Beispiele für Arbeitsweisen, mit denen wir uns im Kompetenzfeld beschäftigen.
Je nach individuellem Schwerpunkt unterstützen wir aktuell HMS-Mitarbeiter in der Weiterbildung zu Methoden wie Text Mining, Anomalie-Erkennung, Visualisierung und Datenmodellierung sowie Technologien wie Python, R und Dataiku. Für eine reibungslose Organisation der Projekte sorgt außerdem unser Themenschwerpunkt auf Arbeitsweisen in analytischen Projekten, z.B. mit ML-Ops oder Data-Science-Workflow-Modellen.
Wir orientieren uns am Markt und dem in Kundenprojekten nachgefragten Know-how, um zukunftsorientierte Kompetenzziele zu definieren.
Als Senior Data Scientist ist AI selbstverständlich ein zentraler Bestandteil meiner Arbeit. Dabei ist es einfach sehr wichtig thematisch stets weiterzukommen und auf dem Laufenden zu bleiben. Das Kompetenzfeld bietet hierfür einige wichtige Möglichkeiten wie Vorträge und eigenständige Themenarbeit.
In den letzten Jahren habe ich mich durch meine Projektarbeit hauptsächlich auf Zeitreihenvorhersagen spezialisiert. Dabei bearbeite ich sowohl technische Themen wie die Umsetzung in bestimmten Programmiersprachen oder Tools als auch algorithmische Themen wie Deep Learning. Kürzlich war ich auf einer Konferenz zur Anwendung von AI in der industriellen Produktion, was auch durch das Kompetenzfeld unterstützt wird. Außerdem beteilige ich mich an unserer Ausbildungsreihe zum Thema Machine Learning.
In meiner Arbeit für das Kompetenzfeld kann ich meine Spezialisierung aus den Projekten nehmen und noch weiter vertiefen oder verbreitern. Dieses Wissen trage ich dann in bestehende oder zukünftige Projekte. Wenn ich selbst Vorträge vorbereite und halte, sei es aus meiner Themen- oder Projektarbeit, von Konferenzen oder für die Ausbildungsreihe, bringt das allen Beteiligten etwas.
Wir haben regelmäßig gute Vorträge zu spannenden Themen, längere Wissenszirkel, um Themen in der Tiefe zu beleuchten oder kürzere Cafés als Überblicksvorträge. Abgesehen von den Themen sind natürlich die kompetenten, neugierigen und engagierten Kollegen wichtig.
Hier wurde die Cloud-Datenbank Snowflake für Data Warehouses vorgestellt und die Gemeinsamkeiten und Unterschiede zu anderen Cloud-Datenbanken aufgezeigt. Darüber hinaus war das Datenhaltungs-Konzept der „Data Meshes“ und wie sich dieses Konzept mit der Snowflake-DB umsetzen ließe ein spannendes Thema dieses Wissenszirkels.
Anwendungsfälle von Anomalie-Erkennung aus der Projekterfahrung und von Konferenzberichten wurden zusammengefasst und präsentiert.
Neben der klassischen Zeitreihenmodellierung wurde Deep Learning auf Zeitreihen vorgestellt. Neben der Theorie wurde auch eine Demo in R gezeigt und die Projekterfahrung vorgestellt, wo Zeitreihenanalyse in der Industrie eine Anwendung findet.
