Applied AI: Von Fraud Detection und Kreditrisikobewertung bis zur Fehlerklassifikation und Qualitätskontrolle in der Produktion – Welche Use & Business Cases von Machine Learning gibt es in der Praxis?

Machine Learning-Modelle & Natural Language Processing: Welche Use Cases zu Neuronalen Netzen, Computer Vision, Voice Recognition finden Anwendung in der Praxis?

Training, Testing & Validation: Wie sollten Datasets strukturiert und aufbereitet werden, um robuste Machine Learning-Modelle zu entwickeln?

Vom Lab zum Business Value: Wie erreichen Unternehmen Skalierbarkeit und Produktivsetzung von Machine Learning-Projekten?

AI & Machine Learning Security: Wie lassen sich AI & Machine Learning-Algorithmen absichern sowie Bedrohungen und Schwachstellen frühzeitig identifizieren?

AI-getriebene Infrastruktur & Hardware: Welche technischen Anforderungen an die Systeme bestehen und wie gelingt die die optimale Zusammensetzung des Technologie-Stacks?

Software Development, Architekturen & Tools: Welche Vorteile und Hürden bestehen bei der Auswahl passender Tools?

Vom Business Problem über das Modell zur maßgeschneiderten AI: Wie sehen erfolgreiche Konzepte für Organisation, Prozesse und Kollaboration zwischen dem Business, den Data Scientists und den Entwicklern aus?

Customer Journey & Data: Wie kann die Datenintegration BU-, System- und Tool-übergreifend optimiert werden? Wie gehen Sie mit unstrukturierten und Daten mit unzureichender Qualität im Kontext der Customer Journey um?