19. Arbeitstreffen - 18./19. Juni 2020

Software Engineering für maschinelles Lernen

Department Head “Architecture-Centric Engineering
Dr. Dominik Rost & Dr. Johannes Schneider - Fraunhofer IESE

  • Introduction & Foundation
  • Functional & Data Decomposition
  • Machine Learning Basics
  • Deployment Aspects

Automated Machine Learning Workflows for Real-Time Advertising
Dr. Arne Johanson - Xing SE

  • Real-Time Advertising
  • Machine Learning Teaser
  • Machine Learning Automation
  • Machine Learning Workflows for Click-Through Rate Prediction of Ad

Pipelines für Deep Learning mit Small Data
Hauke Brammer - Novatec Consulting GmbH

  • Machine Learning ist schwierig, wenn man nur wenige Daten hat
  • Wie kann Data-Augmentation helfen?
  • Wie unterscheiden sich Software-Projekte und Machine Learning Projekte?
  • Welche Tools für Versionierung, Deployment und Monitoring kann ich für Machine Learning einsetzen

Machine) Learning from Failures
Marco Achtziger - Siemens Healthcare GmbH & Dr. Gregor Endler - Codemanufaktur GmbH

  • Resultate von Softwaretests mittels Machine Learning vorhersagen
  • Nötige Daten und Datenvorverarbeitung
  • Machine Learning Ansatz
  • Ergebnisse

Machine Learning in Produktion - Vom Expertensystem zum automatisierten Geschäftsprozess bei der Provinzial NordWest
Jürgen Voss & Mark Keinhörster - codecentric AG

  • Vom Expertensystem zu ersten KI-Versuchen
  • Machine Learning in die Applikation integrieren
  • Das große Ganze - ML in Produktion

Zu den Dokumenten des Arbeitstreffens

Ansprechpartner

Ralf Richard Maleska,
Bild von Ralf Richard Maleska