Zurück zu allen Blogbeiträgen

Vom Können, Tun und Wollen – Warum Datenkultur und Death Metal einiges miteinander gemeinsam haben

  • Artificial Intelligence
  • Data Science
19. April 2023
·

David Schlepps
Head of AI Academy

Kürzlich hatte ich während meiner Arbeit bei statworx ein Déjà-vu beim Thema Datenkultur. Meine Hauptaufgabe, als Head der AI Academy, besteht – kurzgefasst – darin, meinen Enthusiasmus für die Themen künstliche Intelligenz, Programmierung, Daten und Cloud Computing auf meine Kundinnen und Kunden zu übertragen. Häufig heißt das auch, meine Passion für diese Themen auf Menschen zu projizieren, die wenig technische Vorerfahrungen mitbringen und deren Herz verständlicherweise oft für andere Themen als Transformer Modelle und funktionale Programmierung schlägt.

Dieses Spannungsfeld hat mich kürzlich sehr an etwas erinnert, was vor meiner professionellen Karriere passiert ist.

Aller Anfang ist schwer

Vor meiner Leidenschaft für Daten und künstliche Intelligenz war ich bereits ein sehr begeisterter (Hobby-)Musiker - eine besondere Passion galt schon immer dem Genre Death Metal (Fußnote: mit detaillierteren Genre-Beschreibungen, die hier eigentlich angebracht wären, möchte ich die interessierten Leser:innen nicht weiter behelligen 😉 ). Zur Studienzeit war ich unter anderem Sänger und Gitarrist in einer Death Metal Band. Für all diejenigen unter euch, die sich nicht gut mit Death Metal auskennen, kann es vielleicht so wirken, als ob all diese „schiefen Töne“ und das „Gegrunze” keine wirklichen Fähigkeiten erfordern – aber lasst mich euch versichern, es gehört einiges an Talent dazu und viele Leute in diesem Genre haben Jahre harter Arbeit hinter sich:

https://youtu.be/WGnXD0DME30?t=25

Wenn man sich diese Musik anhört oder noch besser ansieht, ist man schnell beeindruckt, wie schnell die Musiker:innen heute über ihr Gitarrengriffbrett sausen. Dabei vergisst man häufig eine Sache: Aller Anfang ist schwer. Wer von euch schon mal ein Instrument gelernt hat, kann dies sicher bestätigen. Zu Beginn ist es schwierig, sich durch standardisierte Lehrwerke zu arbeiten und die notwendige Motivation zu finden, um Techniken zu erlernen, damit man in Zukunft hoffentlich irgendwann selbst ein Musikstück spielen kann, das halbwegs erträglich klingt. So war es auch bei mir. Zu Beginn fiel es mir sehr schwer, mich für Noten, Takte und Fingerübungen zu erwärmen oder mit angemessenem Durchhaltevermögen bei der Sache zu bleiben.

Generiert mit DALL-E. Prompt: death metal concert with view from stage to crowd, guitar in the foreground with bokeh, photorealistic style

Selbst kreativ werden

Am Anfang waren die Songs nicht besonders gut oder technisch anspruchsvoll, ich hatte ja noch keine nennenswerten Skills im Gitarrenspiel oder Gesang erlernt. Doch dann passierte etwas: Meine Motivation kam auf! Ich erkannte, wie diese Techniken und Fertigkeiten mir ermöglichten, meine eigenen Gefühle und Gedanken auszudrücken. Es war, als ob ich meine eigenen Produkte erschaffen konnte.

Ich schrieb immer mehr Songs und erlernte dabei fast unbemerkt wichtige Fähigkeiten auf dem Griffbrett. Es wurde meine ganz persönliche Mission, alle erforderlichen Fingerübungen stoisch zu meistern, um immer komplexere Strukturen spielen zu können. Gleichzeitig wurde ich Teil von Bands und einer lokalen Musikszene, in der wir uns auf Konzerten gegenseitig inspirierten und immer wieder motivierten, komplexeres und besseres Material zu schreiben. Hier konnten wir auch weitere, meist noch jüngere, Musikfans dafür begeistern, sich an dieser Musik zu versuchen. Diese kamen dazu, hörten mit und dachten sich: “Das will ich auch können!”. So begannen sie selbst, eigene Songs zu schreiben, eigene Techniken zu erlernen und Teil einer kreativen Kulturszene zu werden.

Skills allein sind nicht alles

Man fragt sich nun sicherlich, was dieser kleine Exkurs mit Datenkultur zu tun hat. Das oben genannte Thema hat sich auch in meiner Arbeit mit Datenkultur widergespiegelt. In unserer AI Academy geht es vor allem um Themen der Data Literacy und um verwandte Skills. Ich habe anfangs genau denselben Denkfehler erneut begangen, der mich auch beim Lernen meines Instrumentes hinderte: Die Skills sind alles – oder mit den Skills wird der Rest schon irgendwie kommen.

Ich ging davon aus, dass die vermittelten Skills so wichtig, so relevant, so produktiv und vor allem so attraktiv für Lernende sind, dass sich nach Erlernen dieser Skills alles weitere automatisch ergibt.

Dem ist aber nicht so. Im Laufe der Zeit haben wir durch unsere Trainings einen immer größeren Personenkreis erreicht, darunter auch solche mit verschiedenen Kernkompetenzen. Dabei handelt es sich um Menschen, die nicht in ihrer Haupttätigkeit Evangelisten oder Enthusiasten für Matrixalgebra sein können oder wollen.

Hierbei stehen immer wieder die folgenden Fragen im Vordergrund:

„Was hat das mit mir zu tun?“

„Was hat das mit meiner Arbeit zu tun?“

„Wie könnte das für mich wertvoll sein?”

Und genauso wie in meiner Geschichte über das Songschreiben, dem Spielen auf Konzerten oder den Austausch innerhalb einer Musikszene, ging es mir auch bei dem Thema Daten und Upskilling.

Einige unserer erfolgreichsten Trainingsformate, der AI Basics Workshop und Data Literacy Workshop, ermöglichen die grundsätzlich wichtigsten Themen und Learnings rund um Daten und KI für das eigene Unternehmen nutzbar zu machen - mit der Möglichkeit, gemeinsam mit erfahrenen KI-Expert:innen eigene Ideen für die Nutzung dieser Technologien zu generieren. Es handelt sich hierbei nicht ausschließlich um das Erlernen der Funktionsweise von KI, sondern um eine interaktive und geführte Exploration:

„Was hat das mit mir zu tun?“

„Wie kann ich damit Wert für meine Umgebung erzeugen?“

„Welche Probleme muss KI für mich lösen können?“

Motivierende Ideen

Zunächst merkten wir, wie Trainingsteilnehmende enthusiastischer mit den Inhalten interagierten und sich die Stimmung in unseren Kursen viel stärker in Richtung eines Growth Mindsets bewegt hat:

Nicht darauf fokussiert zu sein, was ich bereits kann, sondern vielmehr zu fragen, was ich noch erreichen und was ich erreichen möchte.

Unsere Kurse gewannen auf der anderen Seite schnell an Beliebtheit bei den Mitarbeiter:innen unserer Kunden. Wir freuten uns natürlich über die Mundpropaganda, die zur Anerkennung der hohen Kursqualität und der spannenden Themen beitrug. Allerdings haben wir nicht vorhergesehen, dass die im Kurs generierten Ideen eine eigene Dynamik entwickeln und in vielen Fällen eine noch größere Strahlkraft im Unternehmen erzeugen als der Kurs selbst.

Ähnlich wie bei Konzerten in der Death-Metal-Szene konnten auch hier neue Enthusiast:innen gewonnen werden. Diese haben erkannt, dass die Person, die einen Use Case erfolgreich vorantreibt, vor relativ kurzer Zeit ebenfalls noch am Anfang beim Thema Daten und KI stand.

“Wenn andere das geschafft haben, möchte ich das auch probieren, und zwar im Hinblick auf meine Themen – wie ich die Fingerfertigkeiten dafür lerne, das finde ich schon noch auf dem Weg heraus.”

Können – Tun – Wollen – ein konstanter Kreislauf in der Organisation

Und so fügten sich drei wichtige Dimensionen für uns zusammen.

  1. Das Können - Das Beherrschen von Fähigkeiten wie gutem Gitarrenspiel, Projektmanagement im Bereich Daten und KI, Programmierung oder Grundkenntnissen in Datenanalyse.
  2. Das Tun - Regelmäßiges und ritualisiertes Arbeiten mit dem Thema, das Durchführen erster Use-Cases und der Austausch mit anderen, um die Sprache interaktiv zu erlernen.
  3. Das Wollen - Durch erste Erfolgserlebnisse, inspirierenden Austausch und eine klare Vision für die potentielle Wirkung und Wertgenerierung im Unternehmen eine nachhaltige Motivation zum Erreichen von Zielen schaffen.

Die drei Dimensionen bilden einen Kreislauf, bei dem jede Dimension von den anderen abhängig ist und positiv auf die anderen Dimensionen zurückwirkt. Wenn ich meine Fähigkeiten im Gitarrespielen verbessere, wird es mir leichter fallen, neue Ideen zu entwickeln und erfolgreich mit anderen zu teilen. Dadurch entsteht eine weitere Motivation, um weitere Fähigkeiten und Herausforderungen anzugehen.

Das ist der Grund weshalb Datenkultur und Death Metal für mich ziemlich viel miteinander gemeinsam haben.

Wenn Sie mehr über Datenkultur sowie das Können, Tun und Wollen erfahren möchten, lassen Sie uns gerne in den Austausch treten!

Mehr über AI Academy

Bildnachweis:

AdobeStock 480687393 –   zamuruev

Linkedin Logo
Marcel Plaschke
Head of Strategy, Sales & Marketing
Beratung vereinbaren
Zugehörige Leistungen
No items found.

Weitere Blogartikel

  • Coding
  • Python
  • Statistics & Methods
Ensemble-Methoden im maschinellen Lernen: Bagging & Subagging
Team statworx
15.4.2025
Mehr erfahren
  • Deep Learning
  • Python
  • Tutorial
Verwendung von Reinforcement Learning zum Spielen von Super Mario Bros auf NES mit TensorFlow
Sebastian Heinz
15.4.2025
Mehr erfahren
  • Coding
  • Machine Learning
  • R
Abstimmung von Random Forest auf Zeitreihendaten
Team statworx
15.4.2025
Mehr erfahren
  • Data Science
  • Statistics & Methods
Modellregularisierung – The Bayesian Way
Thomas Alcock
15.4.2025
Mehr erfahren
  • Coding
  • Python
  • Statistics & Methods
Wie man Gradient Boosting um den Faktor Zwei beschleunigt
Team statworx
15.4.2025
Mehr erfahren
  • Coding
  • Frontend
  • R
Dynamische UI-Elemente in Shiny - Teil 2
Team statworx
15.4.2025
Mehr erfahren
  • Coding
  • R
Warum heißen sie so?! – Ursprung und Bedeutung von R-Paketnamen
Team statworx
15.4.2025
Mehr erfahren
  • Data Engineering
  • Python
Von überall aus auf deinen Spark-Cluster zugreifen – mit Apache Livy
Team statworx
15.4.2025
Mehr erfahren
  • Coding
  • Data Engineering
  • Data Science
Testen von REST-APIs mit Newman
Team statworx
14.4.2025
Mehr erfahren
  • Machine Learning
  • Python
  • R
XGBoost: Entscheidungsbaum vs. Lineares Modell
Fabian Müller
14.4.2025
Mehr erfahren
  • Data Science
  • R
Kombination von Preiselastizitäten und Verkaufsprognosen zur Verkaufssteigerung
Team statworx
14.4.2025
Mehr erfahren
  • Data Science
  • Machine Learning
  • R
Zeitreihenvorhersage mit Random Forest
Team statworx
14.4.2025
Mehr erfahren
  • Data Visualization
  • R
Gemeinschaftsdetektion mit Louvain und Infomap
Team statworx
14.4.2025
Mehr erfahren
  • Machine Learning
Machine Learning Goes Causal II: Der kausale Bruder des Random Forests
Team statworx
11.4.2025
Mehr erfahren
  • Coding
  • Data Visualization
  • R
Animierte Diagramme mit ggplot und gganimate
Team statworx
8.4.2025
Mehr erfahren
  • Artificial Intelligence
AI Trends Report 2025: Die 16 Trends im Überblick
Tarik Ashry
25.2.2025
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • GenAI
Wie ein CustomGPT Effizienz und Kreativität bei hagebau fördert
Tarik Ashry
15.1.2025
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Human-centered AI
Explainable AI in der Praxis: Mit der richtigen Methode die Black Box öffnen
Jonas Wacker
15.1.2025
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Zurück in die Zukunft: Die Geschichte von Generativer KI (Episode 4)
Tarik Ashry
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Zurück in die Zukunft: Die Geschichte von Generativer KI (Episode 3)
Tarik Ashry
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Zurück in die Zukunft: Die Geschichte von Generativer KI (Episode 2)
Tarik Ashry
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Data Culture
  • Data Science
  • Deep Learning
  • GenAI
  • Machine Learning
AI Trends Report 2024: statworx COO Fabian Müller zieht eine Zwischenbilanz
Tarik Ashry
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Maßgeschneiderte KI-Chatbots: Hohe Leistung und schnelle Integration vereint
Tarik Ashry
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Zurück in die Zukunft: Die Geschichte von Generativer KI (Episode 1)
Tarik Ashry
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Data Culture
  • Human-centered AI
KI in der Arbeitswelt: Wie wir Skepsis in Zuversicht verwandeln
Tarik Ashry
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Generative KI als Denkmaschine? Ein medientheoretischer Blick
Tarik Ashry
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Data Culture
  • Human-centered AI
Wie Führungskräfte die Datenkultur im Unternehmen stärken können
Tarik Ashry
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Data Science
Wie wir für Microsoft einen Chatbot mit echtem Wissen entwickelt haben
Team statworx
6.12.2024
Mehr erfahren
  • Data Science
  • Data Visualization
  • Frontend Solution
Warum Frontend-Entwicklung in Data Science-Anwendungen nützlich ist
Jakob Gepp
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • statworx
the byte - Wie wir ein KI-gesteuertes Pop-up Restaurant aufgebaut haben
Sebastian Heinz
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • GenAI
Die Zukunft des Customer Service: Generative KI als Erfolgsfaktor
Tarik Ashry
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Strategy
Der AI-Act ist da – diese Risikoklassen sollte man kennen
Fabian Müller
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Machine Learning
Genderdarstellung in der KI – Teil 2: Automatisierte Erzeugung genderneutraler Versionen von Gesichtsbildern
Team statworx
6.12.2024
Mehr erfahren
  • Data Science
  • Human-centered AI
  • Statistics & Methods
Die Black-Box entschlüsseln – 3 Explainable AI Methoden zur Vorbereitung auf den AI-Act
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Strategy
Wie der AI-Act die KI-Branche verändern wird: Alles, was man jetzt darüber wissen muss
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Recap
  • statworx
Big Data & AI World 2023 Recap
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Statistics & Methods
Ein erster Einblick in unser Forecasting Recommender Tool
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
Wie man KI-generierte Avatare mit Hilfe von Stable Diffusion und Textual Inversion erstellt
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Strategy
Das Geheimnis der Datenkultur entschlüsseln: Diese Faktoren beeinflussen Kultur und Erfolg von Unternehmen
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Machine Learning
GPT-4 – Eine Einordnung der wichtigsten Neuerungen
Mareike Flögel
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Strategy
Knowledge Management mit NLP: So einfach verarbeitet man E-Mails mit KI
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
3 Anwendungsfälle, wie ChatGPT die Kommunikation in Unternehmen revolutionieren wird
Ingo Marquart
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Machine Learning
  • Tutorial
Paradigmenwechsel in NLP: 5 Ansätze, um bessere Prompts zu schreiben
Team statworx
6.12.2024
Mehr erfahren
  • Recap
  • statworx
Ho ho ho – weihnachtlicher Küchenabriss
Julius Heinz
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
Real-time Computer Vision: Gesichter erkennen mit einem Roboter
Sarah Sester
6.12.2024
Mehr erfahren
  • Recap
  • statworx
statworx @ UXDX Conf 2022
Markus Berroth
6.12.2024
Mehr erfahren
  • Data Engineering
  • Tutorial
Data Engineering – From Zero to Hero
Thomas Alcock
6.12.2024
Mehr erfahren
  • Recap
  • statworx
statworx @ vuejs.de Conf 2022
Jakob Gepp
6.12.2024
Mehr erfahren
  • Data Engineering
  • Data Science
Überwachung und Protokollierung von Anwendungen und Infrastruktur: Metriken und (Ereignis-)Protokolle
Team statworx
6.12.2024
Mehr erfahren
  • Data Engineering
  • Data Science
  • Python
Wie Du Deinen Code und Deine Abhängigkeiten in Python scannst
Thomas Alcock
6.12.2024
Mehr erfahren
  • Cloud Technology
  • Data Engineering
  • Data Science
Wie du dein Data Science Projekt fit für die Cloud machst
Alexander Broska
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Machine Learning
Geschlechter­darstellung in der KI – Teil 1: Verwendung von StyleGAN zur Erforschung von Geschlechter­vielfalt bei der Bild­bearbeitung
Isabel Hermes
6.12.2024
Mehr erfahren
  • R
Das helfRlein Package – Eine Sammlung nützlicher Funktionen
Team statworx
6.12.2024
Mehr erfahren
  • Data Engineering
  • Data Science
  • Machine Learning
Data-Centric AI: Von Model-First zu Data-First KI-Prozessen
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Human-centered AI
  • Machine Learning
DALL-E 2: Warum Diskriminierung in der KI-Entwicklung nicht ignoriert werden kann
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
statworx AI Principles: Warum wir eigene KI-Prinzipien entwickeln
Team statworx
6.12.2024
Mehr erfahren
  • Recap
  • statworx
5 Highlights vom Digital Festival Zürich 2021
Team statworx
6.12.2024
Mehr erfahren
  • Recap
  • statworx
Unfold 2022 in Bern – by Cleverclip
Team statworx
6.12.2024
Mehr erfahren
  • Data Science
  • Human-centered AI
  • Machine Learning
  • Strategy
Warum Data Science und KI-Initiativen scheitern – eine Reflektion zu nicht-technischen Faktoren
Team statworx
6.12.2024
Mehr erfahren
  • Machine Learning
  • Python
  • Tutorial
Wie man eine Machine Learning API mit Python und Flask erstellt
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Human-centered AI
  • Machine Learning
Vorurteile in KI abbauen
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Cloud Technology
  • Data Science
  • Sustainable AI
Wie du als Data Scientist deinen KI CO₂ Fußabdruck verringerst
Team statworx
6.12.2024
Mehr erfahren
  • Coding
  • Data Engineering
Automatisierte Erstellung von Docker Containern
Stephan Emmer
6.12.2024
Mehr erfahren
  • Coding
  • Data Visualization
  • R
Anpassung der Zeit- und Datumsskalen in ggplot2
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Machine Learning
5 Typen von Machine Learning Algorithmen (Mit Anwendungsfällen)
Team statworx
6.12.2024
Mehr erfahren
  • Coding
  • Machine Learning
  • Python
Data Science in Python – Der Einstieg in Machine Learning mit Scikit-Learn
Team statworx
6.12.2024
Mehr erfahren
  • Recap
  • statworx
2022 und die Reise zu statworx next
Sebastian Heinz
6.12.2024
Mehr erfahren
  • Recap
  • statworx
Als Data Science Praktikant bei statworx
Team statworx
6.12.2024
Mehr erfahren
  • Coding
  • Data Science
  • Python
Wie man mit Call Graph automatisch Projektgrafiken erstellt
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Human-centered AI
  • Machine Learning
  • statworx
Kolumne: Mensch und Maschine Seite an Seite
Sebastian Heinz
6.12.2024
Mehr erfahren
  • Data Engineering
  • Data Science
  • Machine Learning
Machine Learning Modelle bereitstellen und skalieren mit Kubernetes
Team statworx
6.12.2024
Mehr erfahren
  • Coding
  • Python
  • Tutorial
statworx Cheatsheets – Python Basics Cheatsheet für Data Science
Team statworx
6.12.2024
Mehr erfahren
  • Cloud Technology
  • Data Engineering
  • Machine Learning

3 Szenarien zum Deployment von Machine Learning Workflows mittels MLflow
Team statworx
6.12.2024
Mehr erfahren
  • Data Science
  • statworx
  • Strategy
STATWORX meets DHBW – Data Science Real-World Use Cases
Team statworx
6.12.2024
Mehr erfahren
  • Coding
  • Deep Learning
Car Model Classification I: Transfer Learning mit ResNet
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
Car Model Classification IV: Integration von Deep Learning Modellen mit Dash
Dominique Lade
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning

Car Model Classification III: Erklärbarkeit von Deep Learning Modellen mit Grad-CAM
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Coding
  • Deep Learning
Car Model Classification II: Deployment von TensorFlow-Modellen in Docker mit TensorFlow Serving
Team statworx
6.12.2024
Mehr erfahren
  • AI Act
Potenzial noch nicht ausgeschöpft – Ein Kommentar zur vorgeschlagenen KI-Regulierung der EU
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • statworx
Creaition – Revolutionierung des Designprozesses mit Machine Learning
Team statworx
6.12.2024
Mehr erfahren
  • Data Science
  • Deep Learning
Die 5 wichtigsten Use Cases für Computer Vision
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Machine Learning
Generative Adversarial Networks: Wie mit Neuronalen Netzen Daten generiert werden können
Team statworx
6.12.2024
Mehr erfahren
  • Data Engineering
5 Technologien, die jeder Data Engineer kennen sollte
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
5 praxisnahe Beispiele für NLP Use Cases
Team statworx
6.12.2024
Mehr erfahren
  • Coding
  • Data Science
  • Deep Learning
Finetuning von Tesseract-OCR für deutsche Rechnungen
Team statworx
6.12.2024
Mehr erfahren
  • Data Science
  • Deep Learning
Neue Trends im Natural Language Processing – Wie NLP massentauglich wird
Dominique Lade
6.12.2024
Mehr erfahren
  • Data Engineering
  • Data Science
  • Machine Learning
Machine Learning Modelle mit Hilfe von Docker Containern bereitstellen
Thomas Alcock
6.12.2024
Mehr erfahren
  • Frontend
  • Python
  • Tutorial
Wie Du ein Dashboard In Python baust – Plotly Dash Step-by-Step Tutorial
Alexander Blaufuss
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Machine Learning
Whitepaper: Ein Reifegradmodell für Künstliche Intelligenz
Team statworx
6.12.2024
Mehr erfahren
  • Data Engineering
  • R
  • Tutorial
Wie Du ShinyApps in Docker-Images einbauen kannst
Team statworx
6.12.2024
Mehr erfahren
  • Recap
  • statworx
STATWORX 2.0 – Das neue Headquarter in Frankfurt ist eröffnet
Julius Heinz
6.12.2024
Mehr erfahren
  • Coding
  • Python
Web Scraping 101 in Python mit Requests & BeautifulSoup
Team statworx
6.12.2024
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
Deep Learning – Überblick und Einstieg
Team statworx
6.12.2024
Mehr erfahren
  • Data Science
  • R
  • Statistics & Methods
Wie man eine Kreuzvalidierung zur Evaluation der Modellperformance von Grund auf selbst erstellt
Team statworx
6.12.2024
Mehr erfahren
  • Machine Learning
  • R
  • Statistics & Methods
Was dem MAPE fälschlicherweise vorgeworfen wird, seine WAHREN Schwächen und BESSERE Alternativen!
Team statworx
6.12.2024
Mehr erfahren
  • Data Visualization
  • R
Interaktive Netzwerkvisualisierung mit R
Team statworx
6.12.2024
Mehr erfahren
  • Data Science
  • Tutorial
Eine Einführung in Dataiku DSS
Team statworx
6.12.2024
Mehr erfahren
  • Coding
  • Data Visualization
  • Python
Das häufigste Problem mit Plotly Histograms und wie man es löst
Team statworx
6.12.2024
Mehr erfahren
  • Coding
  • Data Engineering
  • R
Wie Du ein R-Skript in Docker ausführst
Team statworx
6.12.2024
Mehr erfahren
  • Data Science
  • Data Visualization
  • Python
Data Science in Python – Matplotlib – Teil 4
Team statworx
6.12.2024
Mehr erfahren
This is some text inside of a div block.
This is some text inside of a div block.