Cookie Consent by FreePrivacyPolicy.com


Was ist Data Science?

Der Begriff „Data Science“ hat in den vergangenen Jahren im Kontext der künstlichen Intelligenz (KI) stark an Bekanntheit und unternehmerischer Bedeutung gewonnen. Dabei ist sowohl der Begriff „Data Science“ als auch ein Großteil des Wissens und der Methoden schon über 60 Jahre alt. Erst das Wachstum der verfügbaren Datenmenge, sowie die gestiegene Computerleistung, hat den gewinnbringenden Einsatz von Data Science in Unternehmen in den letzten Jahren ermöglicht.

Das Ziel von Data Science ist es, mithilfe von Daten Wissen zu genieren. Dieses Wissen kann zum einen dazu dienen, Unternehmensentscheidungen auf Basis von Modellen und Prognosen zu treffen. Zum anderen wird Data Science bei der Automatisierung von technischen Anwendungen, wie z.B. beim autonomen Fahren von Autos verwendet. Die Grundidee ist es dabei, aus großen Mengen von Daten Muster und Regelmäßigkeiten zu identifizieren und in mathematischen Regeln zu formulieren.

Je nach Methodik und Anwendungsfall werden Data Science Modelle in unterschiedliche Fallgruppen eingeordnet. Beim supervised learning werden Regeln aus Vergangenheitsdaten abgeleitet und auf neue Sachverhalte angewandt. Beim Clustering bzw. der Segmentation werden Datenentitäten aufgrund ihrer Ähnlichkeit gruppiert. Das Ziel der Anomaly Detection ist es hingegen, Datenpunkte zu finden, die sich deutlich von anderen Datenpunkten unterscheiden.

Fortgeschrittenere Methoden wie Artifical Neural Networks werden unter anderem beim Computersehen, der Übersetzung von Sprache oder bei Chatbots eingesetzt. Beim Reinforcement Learning erlernen technische Systeme selbstständig auf Basis eines strukturierten, iterativen Prozesses erfolgversprechende Handlungsstrategien.

Data Science Projekten werden häufig individuell auf einen Anwendungsfall zugeschnitten. Dazu werden passende Modelle entwickelt und in eine produktive Nutzung überführt. Für Data Science Anwendungen werden häufig die Programmiersprachen Python und R, sowie spezielle Frameworks dieser Programmiersprachen wie TensorFlow, scikit-learn oder Keras verwendet.

Seit einiger Zeit bieten auch die bekannten Cloudanbieter Microsoft Azure, Amazon Web Service (AWS) und Google Cloud Data Science Plattformen und fertig nutzbare Data Science Services an. Insbesondere Amazon ist mit dem Sagemaker Plattform und einer Vielzahl von KI-Services zur Bild- und Spracherkennung, Textanalyse oder Anomalie Erkennung führend. Diese leicht in Unternehmensanwendungen integrierbare Dienste werden auch als „KI-as-a-Service“ bezeichnet.

Wie unterstützen wir unsere Kunden?

Durch unsere Beratungstätigkeit im Bereich Datenhaltung und Datennutzung haben wir das Potenzial von Data Science und KI-Anwendungen bereits frühzeitig erkannt und Know-how entwickelt. Zusammen mit unseren Kunden identifizieren wir Anwendungsfälle für Machine Learning und KI-Anwendungen, entwickeln und trainieren KI-Modelle und integrieren diese Modelle in die Geschäftsanwendungen unserer Kunden. Außerdem unterstützen wir bei der Integration von KI-as-a-Service Diensten aus der Cloud in die Kundeninfrastrukturen.

Durch unser Know-How im Bereich Data Engineering können wir die Entwicklung von Data Science Anwendungen eng mit der Beschaffung der Datenbeschaffung verknüpfen.

Unsere Technologien
  • R, R-Shiny
  • Python (scikit-learn, Numpy, Pandas, Matplotlib, etc.)
  • Dataguide
Cosmin
Cosmin Novac
Teamleiter Data Science

Tel: 0174 / 328 7600

Per Mail kontaktieren