Reden wir bei BettercallPaul mit Kunden und Unternehmen über Machine Learning- und Data Science-Projekte, begegnen uns häufig Aussagen wie „Es wäre gut zu wissen…“ oder „Wir benötigen eine 360°-Sicht!“ Bei uns schrillen dann die Alarmglocken. Denn hier wird fälschlicherweise vom Ausgangsmaterial gedacht, den Daten und Informationen, die verarbeitet werden sollen. Das schwebt zu sehr im luftleeren Raum und könnte auch mit „Es wäre gut, einfach alles zu wissen!“ übersetzt werden. Eine dermaßen unspezifische Antwort hilft nicht weiter – weder Ihnen noch Ihrem Unternehmen.

Daher: Wie man den Grundstein und ein robustes Fundament für ein erfolgreiches Machine Learning-Projekt legt, erläutern wir in unserem Vortrag. Wir gehen unter anderem auf folgende Fragen ein:

• Warum sollte ein ML-Projekt vom Ende und nicht vom Anfang her gedacht werden?
• Wie kann ein ML-Projekt “ohne Daten” erfolgreich werden?
• Was ist zu tun (und was nicht), damit ein ML-Projekt kein Aschenputtel wird?