#
Title
1

Wenn die KI coded: Was bleibt vom Softwareentwickler? – mit Tom Deuster

2

Legacy-Software? Hold my beer – Wie wir Apps in Tagen neu bauen

3

Wo GenAI heute steht – dreieinhalb Jahre im Reality-Check

4

Andreas Kalapis – Managing Consultant bei valantic Management Consulting

5

Hagen Müller – Wirtschaftsprüfer, Steuerberater und Senior Partner bei der dhpg

6

Alexander Baruschke – Gründer und Geschäftsführer der Baruschke Zimmermann GmbH

7

Adrian Czerny – Partner bei Stanton Chase

8

Dr. Robert Stephan – Partner bei Detecon International

9

Sarina Wittchen – Partnerin bei Intero Consulting

10

Holger Maier – Geschäftsführer der FGS Digital GmbH

11

Niklas Niehenke – Wirtschaftsprüfer und Steuerberater bei HLB | Dr. Klein, Dr. Mönstermann + Partner

12

Barbara Jaeger und Günther Wurm – Geschäftsführung der Business Pool GmbH

13

Ingemar Bühler – Partner der EU Focus Group

14

Nur ein Chatbot? Wie Cognitive Process Modeling die Rolle von KI transformiert

15

Coding mit KI – Die neuen Möglichkeiten optimal nutzen

16

Hinter den Kulissen eines Hackathons: Vom Konzept zum Prototyp

17

Zur perfekten Kommunikation: KI in der Content Creation

18

Der Recruiting-Gamechanger: KI im Rampenlicht

19

KI im Klassenzimmer – Warum wir Bildung neu denken müssen

20

KI-generierte Kunst – Vom Misserfolg zur Perfektion

21

Prompt Engineering: Die Kunst, Sprachmodelle richtig zu steuern

22

Die Schattenseiten generativer KI

23

Das steckt wirklich hinter dem ChatGPT Hype!

24

HALERIUM METHODOLOGY – Die vier größten Schwächen von CRISP-DM

25

Jonathan Lambers & Jonas Krauß – KI in der Kunststoffindustrie

26

Dr. Maria Börner – Berlin City Lead Women in AI & Robotics

27

Dr. Nora Reich – Prozessoptimierung bei der KfW mithilfe von Machine Learning

28

Kevin Endler – Head of Quantitative Portfolio Management bei ACATIS Investment

29

Tom Alby – Chief Digital Transformation Officer bei Allianz Trade

30

Christian Rudolf – Geschäftsführer von IoT-Plan

31

Michele Lagnese – Head of Digital Transformation bei Coroplast

32

Dominik Scharnagl – CEO & CTO bei Traeger Industry Components

33

André Sauer – CIO der Basalt AG in Linz am Rhein

34

Paul Rupprecht – Team Lead Machine Learning Projects & MLOps bei Merantix Momentum

35

Thorsten Kranz – Lead Data Scientist bei Deutsche Post DHL

36

Dr. Danko Nikolić – Head of AI and Data Science at evocenta GmbH

37

Data Science und Use-Case Templates mit Halerium und Cookiecutter

38

Dr. Jean Metz – Senior Machine Learning Engineer at GfK

39

Uli Zellbeck – Datenspezialist und Gründer von modellagenten

40

Christian Thiel – Head of Unit Data bei QUNIS

41

Dr. Stefan König – Senior Data Scientist bei der Ehrenmüller GmbH

42

Dr. Hannah Richta – Maximaler Impact von Machine Learning bei der Deutschen Bahn

43

Marius Försch – Senior Data Product Manager bei Mindfuel

44

Nikolaj Waller – Data Scientist bei MHP – A Porsche Company

45

Fabian Witt – Head of Data Science bei Mathema

46

Michael Eder – KI-basierte Sprachassistenzsysteme und Gründer von KENBUN

47

Dr. Sergio Lopez-Gehler – Senior Consultant & Cloud Architect bei Machine Learning Reply

48

Dr. Markus Köster – Industrial Analytics mit Weidmüller Industrial AutoML

49

WRAP UP Season 4

50

CAUSAL MACHINE LEARNING – mehr als nur Algorithmen

51

CAUSAL MACHINE LEARNING – wie holt man am meisten damit raus?

52

AI ANSÄTZE FÜR KAUSALE URSACHENFINDUNG FÜR APPLICATION PERFORMANCE MONITORING – mit Thomas Natschläger

53

REVIEW DATA SCIENCE MEETUPS 2

54

REVIEW DATA SCIENCE MEETUPS 1

55

CAUSAL MACHINE LEARNING – welche Algorithmen eignen sich dafür?

56

CAUSAL MACHINE LEARNING – Use Cases aus der Praxis

57

CAUSAL MACHINE LEARNING – Korrelation, Kausalität und die verirrte Statistik

58

CAUSAL MACHINE LEARNING – was ist das genau und wofür braucht man es?

59

WRAP UP Season 3

60

WIE FUNKTIONIERT SKALIERUNG VON DATA SCIENCE-USE CASES? – mit Walter Denk

61

WIE FUNKTIONIERT ORDENTLICHES UND NACHHALTIGES DEPLOYMENT? – mit Oliver Bracht

62

WIEVIEL PROJEKTMANAGER MUSS IN EINEM DATA SCIENTIST STECKEN? – mit Sebastian Eckert

63

WIE KOMMUNIZIERT MAN RICHTIG MIT DATENVISUALISIERUNGEN? – mit Dr. Johannes Kehrer

64

WIE SOLLTE EIN JUNGES START-UP DAS THEMA CLOUDCOMPUTING ANGEHEN? – mit Dr. Nicolay Hammer

65

WIE SEHR MUSS ICH ALS DATA SCIENTIST VERSTEHEN, WIE DIE ALGORITHMEN INTERN FUNKTIONIEREN? – mit Dr. Stefan Hilbert

66

STRUKTURIERTER DATA LAKE ODER BEDARFSORIENTIERTER FLICKENTEPPICH? – mit Dr. Sandra Romeis

67

FÜR WELCHE FIRMEN MACHT DATA SCIENCE ÜBERHAUPT SINN? – mit Martin Szugat

68

I WANT YOU for our eMeetups!

69

WIE BRINGT MAN EIN MACHINE LEARNING-PROJEKT INS ROLLEN? – mit Dr. Jan Therhaag

70

Get ready for Season 3!

71

Reicht reine Data Science aus?

72

Die Gretchenfrage der Data Science

73

Drücken Data Scientists nur auf PLAY?

74

WRAP UP Season 2

75

Lisa Winter – Psychologie und Data Science

76

Hans-Peter Zorn – Big Data Scientist und Head of AI

77

It’s Feedback Time!

78

Patricia Goldberg – Machine Learning for Farmers

79

Ingo Scholtes – Soziologie und Informatik können viel voneinander lernen

80

Florian Wetschoreck – Data Scientists das Leben leichter machen

81

Felix Achilles – Software Developer und Medizinweltumkrempler

82

Andrew Done – CEO of Chatroulette

83

Juan Carlos Medina Serrano – Political Data Scientist and Social Media Miner

84

Christian Stadter – Ex-Mechatroniker mit Machine Learning im Werkzeugkasten

85

Dr. Tobias Girschick – Biotecher und Data Scientist in der Automobilindustrie

86

Julia Gottfriedsen – Environmental Data Scientist und Hackathon Gründerin

87

Fabian Müller – Data Scientist mit Political Science Background

88

Dr. Frederik Beaujean – Vom Physiker zum Software Engineer für Autonomes Fahren

89

Silvia Gramling – Von Simulation Technology zur Machine Learning Developerin

90

Prof. Dr. Patrick Glauner – Professor mit Herz für Praxis

91

Peter Seeberg – AI Evangelist und KI Berater

92

WRAP UP Season 1

93

Bewerbung

94

Bayesian Methods

95

Adversarial Noise

96

Missing Values

97

Business Etikette

98

Data Visualizations

99

Reinforcement Learning

100

Anomaly Detection

101

Data Misinterpretations

102

Dimensionality Reduction

103

Networking for Data Scientists

104

Optimal Choices

105

Forecasting

106

Regression

107

Clustering

108

Preprocessing

109

The Erium Podcast