Ailionauten - KI ist (k)eine Raketenwissenschaft

Die meisten Unternehmen übersehen die winzigen Hinweise in ihren Daten, die – wenn sie entdeckt werden – ihre Geschäftsabläufe revolutionieren können – und doch entgehen so vielen täglich diese Signale. In dieser Folge zeigen Aleksander und Tobias, wie kleine Anpassungen und übersehene Details bei Data-Science-Projekten oft den größten Unterschied ausmachen – und warum das Verstehen der subtilen S...

In dieser Folge beschäftigen sich Alex Fegel und Alex Grimm mit der Frage, wie viel Aufwand in ein PoC fließen darf und wann man es als gescheitert an sehen kann. Unsere Themen: Wie lange reitet man das Data-Science Pferd / wie viel probiet man aus? Wann sagt man es reicht und geht einen Schritt zurück? Ab wann gilt ein PoC als gescheitert? Wann ist er erfolgreich? Wo liegt der Fokus / wo geht die...

In dieser Episode diskutieren David und Janis die Unterschiede und Gemeinsamkeiten zwischen Data Science und Data Engineering. Sie beleuchten die Projektplanung, die Bedeutung von Code-Qualität, Testing-Strategien und die Herausforderungen bei der Entwicklung in verschiedenen Umgebungen. Zudem wird der Wert von Data Science Projekten und die Rolle von Vibe-Coding in der Softwareentwicklung themati...

In diesem Podcast sprechen Tim Lenzen und Alex über ihre Erfahrungen auf der PyCon.de, die Bedeutung von Large Language Models (LLMs) und die Herausforderungen bei deren Implementierung in Unternehmen. Sie diskutieren die Notwendigkeit von KI-Literacy, die Vorteile einer eigenen GPT-Plattform und die Rolle von Automatisierung in der Softwareentwicklung. Zudem reflektieren sie über die Entwicklungs...

Endlich mal wieder eine Folge von David und Janis!

In dieser Folge Sprechen Tim und Janis kurz über die letzten Tage. Darunter insbesondere auch die Punkte: Was war die beste Pizza? Wie war die diesjährige Data Unplugged? Ansonsten ist der Name Programm: Was sind eigentlich Faktenchecks? Wer führt sie durch? Wie funktionieren sie? Wie sieht es bei den Community Notes aus? Kann Open Source hier eine Lösung sein? Und einiges anderes zu diesem Themen...

Im Vorfeld der kommenden Bundestagswahl sprechen Tim und David über die Statistik von Wahlumfragen und analysieren, wie sie zu deuten sind. Es geht neben den statistischen Grundlagen, die für eine gute Wahlumfrage zu beachten sind auch um weiterführende Themen wie Zeitreihenanalyse und den Umgang mit Unischerheiten in Machine Learning Modellen.

In dieser Folge sprechen unser Ur-Ailionaut Janis und unser Ailionauten Neuling Tim über HotDog Tipps und Datenplattformen. Behandelt werden u.a. Fragen wie: Welche Entscheidungen und Fragestellungen führen zu einer Datenplattform? Infrastruktur first oder hangeln wir uns von Use-Case zu Use-Case? Welche Vorteile bieten managed Lösungen wie Databricks? Und vieles mehr.

In diesem Podcast sprechen Dr. David Geisel und Tobias Quadfasel über den Übergang von der akademischen Welt in die Industrie, insbesondere im Bereich Data Science. Sie reflektieren über ihre Erfahrungen in der Physik, die Herausforderungen während der Promotion und die Unterschiede zwischen wissenschaftlicher und industrieller Arbeit. Zudem geben sie wertvolle Tipps für angehende Data Scientists...

Unser Kollege David hat fast 2 Jahre eine SAS zu Azure Databricks Migration begleitet. Dabei sind viele Learnings sowohl auf technischer als auch auf menschlicher & Change Management Ebene entstanden. Diese möchten wir im Podcast gerne mit euch teilen um zukünftige Migrationen zu vereinfachen und echte Insights zu geben.

In dieser Folge diskutieren Janis und ich Ailio interne Prozesse und unsere Erfahrungen mit Kundenworkshops. Dabei geht es unter anderem um die Frage ob ein erster Workshop kostenlos sein sollte und welche Gründe dagegen sprechen sowie allgemein um das Thema Commitment bei Data-Science Projekten.

Marcel Meier von Portal Systems ist bei uns zu Gast und Spricht über das gemeinsame Projekt zur Entwicklung eines Chat-Assistenten für Portal-Systems.

In dieser Folge diskutieren Dr. David Geisel und Janis über Word Embeddings. Dabei werden eine Vielzahl an Themen beleuchet: Was sind Word Embeddings, wie findet man sie, wie kann mit den Vorurteilen umgegangen werden, der durch unsere Sprache transportiert wird, wie werden Embeddings in modernen Suchen eingesetzt und einige andere Themen. Es ist unsere Bislang längste Folge, quasi ein Blockbuster...

Janis und David sprechen über die Reise vom ersten Workshop zum produktiven Datenprodukt. Es geht darum wie man möglichst schnell echten Mehrwert generiert und in Produktion bekommt. Dabei ist die Kunst selbst in widrigen Umständen und Projektumgebungen nutzbare Ergebnisse zu generieren und den Weg zum datengetriebenen Unternehmen zu ebnen.

In dem Gespräch diskutieren der YouTuber und IOS Entwickler Kevin Chromik und Janis über Kevins Entwicklungsarbeit bei seinem Arbeitgeber WaipuTV, einschließlich der Zusammenarbeit zwischen iOS- und Backend-Teams. Es gibt auch einen Ausflug in die Implementierung von KI-Use Cases wie Bilderkennung auf iOS-Geräten mithilfe von Apple's ML Core Framework. Sie tauschen auch persönliche Erfahrungen aus...

Auf Basis einer LinkedIn Umfrage haben wir uns die Frage gestellt, in welchen Bereichen KI eigentlich das größte Potenzial entfaltet und warum? Außerdem reden wir auch über Stolpersteine sowie Vor- und Nachteile der einzelnen Geschäftsbereiche wie: -HR -Ressourcenplanung -Produktionsprozesse -Marketing

In dieser Podcast-Episode reflektieren die Hosts Alex und Janis das vergangene Jahr und blicken auf das kommende Jahr voraus. Sie beginnen mit einer lockeren Unterhaltung über Schach und Wetten, bevor sie sich den geschäftlichen Themen zuwenden.

In dieser Episode unterhalten sich Alex und Janis darüber, wie eine Job-Plattform der Zukunft aussehen kann und welche Chancen und Risiken es gibt, Künstliche Intelligenz im Recruiting einzusetzen. Dabei versuchen wir drei KI basierte Killer-Features für Job Plattformen zu finden.

David versucht zu erklären was K-means Clustering bedeutet und Janis hakt bei jedem Buzzword nach, was es genau bedeutet. Im Podcast erfahrt ihr, wofür K-means angewendet wird, welche Vor- und Nachteile das ganze hat wie man es in der Praxis anwenden kann.

Im Podcast zu Gast war Kai Wähner https://www.linkedin.com/in/kaiwaehner/ , ein Field CTO bei Confluent. Wir reden sowohl kurz über seine Rolle als Field CTO, als auch über Kafka sowie um ein Tooling um Kafka herum. Dabei klären wir auch Fragen, ob Kafka vielleicht sogar als Datenbank genutzt werden kann, oder auch wie Kafka im Bereich Data Science eingesetzt werden kann. Aufmerksam auf ihn geword...

Janis und Alex tauschen sich darüber aus wie das Jahr 2022 für Ailio gelaufen ist und welche spannenden Entwicklungen sich im Bereich Data-Science und KI gezeigt haben!

Janis und Alex sprechen über die Möglichkeiten und Herangehensweise um Data-Science in normalen mittelständischen Unternehmen einzusetzen. Außerdem gibt es einen kleinen Abstecher in den Bereich Low-Code und No-Code.

Janis und David sprechen über die PCA und ergründen mögliche Anwendungsgebiete.