Der Datenanalyse-Blog von eoda
Der Datenanalyse-Blog vom Data Science Spezialisten: Hier erfahren Sie mehr über Data Science im Business-Kontext, Technologietrends, den Einsatz der Data-Science-Sprachen R und Python und vieles mehr.
AutoML in der Praxis: Mit YUNA elements ML-Skripte optimal steuern
Lesezeit: ca. 5 min. Als zentrale Ausführungs- und Verwaltungsschicht für ML-Skripte unterstützt YUNA elements Unternehmen dabei, AutoML produktiv und erfolgreich einzusetzen.
Plan/Apply/Destroy: Cloud-Infrastrukturen mit Terraform
Lesezeit: ca. 4 min. Erfahren Sie was hinter dem Konzept von Terraform steckt. Wir erklären die Funktionsweise und den Projektaufbau, um den Aufbau einer Cloud-Infrastruktur in Ihren DevOps Prozess zu integrieren.
Data Science Framework - YUNA elements jetzt zum Download
Lesezeit: ca. 1min. Unsere neue Data-Science-Anwendung steht jetzt als Direct-Download zur Verfügung! Jetzt 30 Tage kostenlos und unverbindlich testen!
Was ist AutoML? Hintergründe, Vorteile und Tools
Lesezeit: ca. 2 min. Schnell und effizient mit AutoML zu Ergebnissen? Wir klären die Hintergründe, die Vorteile und die Frage, ob AutoML die Datenexperten ersetzen kann.
Was ist ein Data Lake?
Lesezeit: ca. 2 min. Erfahren Sie mehr über das Konzept Data Lake und wieso es helfen kann, Datensilos aufzulösen und Advanced Analytics im Unternehmen voranzutreiben.
Out now: YUNA elements vereinfacht das Betreiben von Datenprodukten
Lesezeit: ca. 3 min Unsere neue Anwendung vereinfacht den Umgang mit Datenprodukten – beim Betreiben und beim Zusammenarbeiten mit verschiedenen Teams, Skriptsprachen und sogar Freelancern. Erfahren Sie mehr!
Use Cases von Data Science und KI im Maschinenbau - Teil 2
Lesezeit: ca. 3 min. Predictive Ordering, Beschaffungsoptimierung oder Next Best Offer: Auch über die Maschinendaten hinaus gibt es im Maschinenbau interessante Analytik-Use-Cases.
Use Cases von Data Science und KI im Maschinenbau - Teil 1
Lesezeit: ca. 3 min. Predictive Maintenance, automatische Maschinenkonfigurationen oder das Qualitätsmanagement: Der Maschinenbau bietet viele spannende Anwendungsfälle für Data Science und KI.
Gründe warum Data-Science-Projekte nicht immer erfolgreich sind – Teil 1
Lesezeit: ca. 3min. Warum passiert es, dass Data-Science-Projekte nicht den Erfolg mit sich bringen, den man sich nach langer Planung verspricht? Wir beleuchten einige Faktoren!