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.
So baut man Data Science Plattformen -Teil 3: Workflows und Dashboards
Lesezeit: ca. 2min. Was wäre, wenn die einzelnen Projektschritte sich nach dem Unternehmen richten würden und man einzelne Dashboards wiederverwenden könnte?
So baut man Data Science Plattformen - Teil 2: Intelligentes Benutzer- und Rollenkonzept
Lesezeit: ca. 2min. Warum sind Nutzer- und Rollenrechten ein nicht zu unterschätzender Faktor bei Data Science Plattformen?
So baut man Data Science Plattformen - Teil 1: UI & Teams
Lesezeit: ca. 2min. Welche Faktoren müssen von modernen Data Science Plattformen erfüllt werden?
Versionsverwaltung - Die unkomplizierte Arbeit am gemeinsamen Projekt
Lesezeit: ca. 4min. Die Versionsverwaltung stellt ein zentrales Tool für das Projektmanagement dar. Wie Sie mit Git effizienter an gemeinsamen Projekten arbeiten können, erfahren Sie hier!
Data Science Adventskalender
Wir nehmen Sie mit auf eine Reise durch 24 wunderbare Beispiele, in denen Data Science geholfen hat unsere Welt ein Stückchen besser zu machen.
Package Management: Einsatz von Repositories in Produktivsystemen
Lesezeit: ca. 4min. Ein gutes Paketmanagement in Produktivsystemen und eine voll funktionsfähige Infrastruktur sind die Basis für eine komplikationsfreie Entwicklungsumgebung. Wie man mit Repositories richtig arbeitet erfahren Sie hier!
Ansible: Infrastruktur als Code
Lesezeit: ca. 3min. Mit Ansible lassen sich IT-Infrastrukturen automatisieren, sodass ein manueller Eingriff nicht mehr nötig ist. In unserem Blogartikel zeigen wir Ihnen anhand ausgewählter Beispiele, wie sich eine automatisierte Infrastruktur-Konfiguration umsetzen lässt.
Daten-Filter, die Analystenherzen höher schlagen lassen
Lesezeit ca. 4min. Filter in der Analytik können spannend sein! Wir zeigen ungeahnte Höhen auf, was mit Filtern in YUNA möglich ist.
Kubernetes: Horizontale Skalierung von Data-Science-Anwendungen in der Cloud
Lesezeit: ca. 2min. Aufgrund des stetigen Datenwachsums und den immer komplexer werdenden Anforderungen an eine IT-Infrastruktur, ergeben sich stets neue Herausforderungen für Data Scientists und Data Engineers. Ein möglicher Lösungsansatz ist die Verbindung des RStudio Job Launchers mit einem Kubernetes-Cluster: In unserem Blogartikel erfahren Sie die Vorteile!