In die Kategorie Analytics fallen sowohl die klassischen Data-driven-Business / BI-Themen (Data Warehouse, ETL, Reporting, Dashboards) als auch die neueren Trends in diesem Umfeld: Big Data, Data Science & Deep Learning und Search-based Applications.

Wir verstehen uns als Spezialist für anspruchsvolle Aufgaben in den Bereichen Data Management und Analytics, die unter Zeitdruck gelöst werden müssen und für die oftmals in den Unternehmen keine eigenen Fachleute verfügbar sind:

  • die Modellierung hochkomplexer Cubes,
  • die Integration heterogener Datenquellen,
  • der effiziente Umgang mit sehr großen Datenvolumina (Big Data),
  • die wissenschaftliche Analyse dieser Daten-Pools (Data Science) und
  • der Einsatz von innovativen Suchtechnologien im Unternehmenskontext.

Docker as Remote Interpreter for PyCharm Professional

2020-10-29T13:14:11+00:00

Wouldn't it be nice if we could mimic the productive cloud environment on our local machine to speed up development and simplify debugging? This post explains how to set up PyCharm Professional to use a local Docker container as a remote interpreter that mirrors the behavior of your production environment.

Wouldn’t it be nice if we could mimic the productive cloud environment on our local machine to speed up development and simplify debugging? This post explains h

Docker as Remote Interpreter for PyCharm Professional2020-10-29T13:14:11+00:00

Deep Learning on Bad Time Series Data: Corrupt, Sparse, Irregular and Ugly

2020-10-22T09:53:03+00:00

How do you train neural networks on time series that are non-uniformly sampled,  irregularly sampled, have non-equidistant timesteps, or have missing or corrupt values? In the following post, I try to summarize and point to effective methods for dealing with such data.

How do you train neural networks on time series that are non-uniformly sampled, irregularly sampled, have non-equidistant timesteps, or have missing or corrupt values

Deep Learning on Bad Time Series Data: Corrupt, Sparse, Irregular and Ugly2020-10-22T09:53:03+00:00

Hybrid Methods for Time Series Forecasting

2020-10-19T10:59:52+00:00

Hybrid time series forecasting methods promise to advance time series forecasting by combining the best aspects of statistics and machine learning. This blog post gives a deeper understanding of the different approaches to forecasting and seeks to give hints on choosing an appropriate algorithm.

Time series forecasting is a crucial task in various fields of business and science. There are two co-existing approaches to time series forecasting, statistical meth

Hybrid Methods for Time Series Forecasting2020-10-19T10:59:52+00:00

Federated Learning: Frameworks for Decentralized Private Training – Part 2

2020-10-16T12:31:12+00:00

This blogpost evaluates three different Federated Learning frameworks and the concepts they use to achieve a collaborative training. With Federated Learning, numerous previously unusable sensitive data sources now can be used for collaborative Machine Learning.

This blog post evaluates three different Federated Learning frameworks and

Federated Learning: Frameworks for Decentralized Private Training – Part 22020-10-16T12:31:12+00:00

Systematic Collaborative Analyses of Experimental Data in a Federated Environment

2020-10-05T10:38:28+00:00

For a successful experimental, scientific research project, especially when handling vast amounts of data, many people need to be able to contribute at the same time. This makes a centrally accessibledata analysis platform inevitable.

For a successful scientific research project, especially when handling vast amounts of experimental data, many people need to be able to contribute at the same time.

Systematic Collaborative Analyses of Experimental Data in a Federated Environment2020-10-05T10:38:28+00:00

RecSys 2020: Highlights of a Special Conference

2020-09-29T01:13:53+00:00

Read my take on the highlights of the 14th ACM Conference on Recommender Systems, such as the winners of the best long and short paper awards as well as an assortment of the best workshops and tutorials.

The 14th ACM Conference on Recommender Systems was special in many ways: a fully virtual conference that did an amazing job to keep social interaction alive – e

RecSys 2020: Highlights of a Special Conference2020-09-29T01:13:53+00:00

A Case for Isolated Virtual Environments with PySpark

2020-09-16T15:00:21+00:00

This blogpost motivates the use of virtual environments with Python and then shows how they can be a handy tool when deploying PySpark jobs to managed clusters.

This blog post motivates the use of virtual environments with Python and then shows how they can be a handy tool when deploying PySpark jobs to managed clusters.

A Case for Isolated Virtual Environments with PySpark2020-09-16T15:00:21+00:00

Unsere Erfahrung mit Remote Teaching: Das KI Labor im Sommersemester 2020

2020-09-08T14:42:56+00:00

inovex betreut das Labor „Künstliche Intelligenz” für den Masterstudiengang Informatik an der Hochschule Karlsruhe. Im Sommersemester 2020 fand das AI Lab remote statt, mit Hilfe von Google Colaboratory – hier schildern wir unsere Erfahrung mit Remote Teaching.

Im Rahmen der Vertiefungsrichtung Maschinelles Lernen betreut inovex das Labor „Künstliche Intelligenz” für den Masterstudiengang Informatik an der Hochschule Karlsru

Unsere Erfahrung mit Remote Teaching: Das KI Labor im Sommersemester 20202020-09-08T14:42:56+00:00

Customer Journey verbessern mit Behavioral Economics & intelligenter Technologie: Eure Fragen beantwortet!

2020-09-08T14:12:15+00:00

Bei unserem Online Meetup zum Thema Customer Journey verbessern mit Behavioral Economics & intelligenter Technologie blieben einige Fragen unbeantwortet. Wir haben sie zusammengetragen und von den Vortragenden beantworten lassen.

Bei unserem Online Meetup zum Thema Customer Journey verbessern mit Behavioral Economics & intelligenter Technologie blieben einige Fragen unbeantwortet. Wir habe

Customer Journey verbessern mit Behavioral Economics & intelligenter Technologie: Eure Fragen beantwortet!2020-09-08T14:12:15+00:00

Federated Learning: A Guide to Collaborative Training with Decentralized Sensitive Data – Part 1

2020-10-12T15:59:59+00:00

This blog post explains how Federated Learning works and what privacy techniques are necessary to ensure that sensitive data is protected.

Nowadays, access to high-quality real-world data has a major impact on the success of data-driven projects, as the quality of a Machine Learning solution strongly dep

Federated Learning: A Guide to Collaborative Training with Decentralized Sensitive Data – Part 12020-10-12T15:59:59+00:00

TimescaleDB vs. influxDB: Zeitreihendatenbanken für das IIoT

2020-08-12T11:26:39+00:00

In diesem Artikel diskutieren wir unsere Erfahrungen mit den zwei populären Open-Source-Zeitreihen-Datenbanken TimescaleDB und InfluxDB.

Im Rahmen des Forschungsprojekts KOSMoS entwickelt inovex zusammen mit acht Projektpartnern eine Plattform für die unternehmensübergreifende Vernetzung von Produktion

TimescaleDB vs. influxDB: Zeitreihendatenbanken für das IIoT2020-08-12T11:26:39+00:00

Dive into Snorkel: Weak-Supervision on German Texts

2020-08-03T16:20:46+00:00

How do we proceed if we have almost no labeled data for a machine learning model? One answer may be: combining all the knowledge we have in one framework to get to the best of each world. This blogpost investigates the trending data programming framework Snorkel for the task of detecting bad language on German texts.

How do we proceed if we have almost no labeled data for a machine learning model? One answer may be: combining all the knowledge we have (labeled data, distant superv

Dive into Snorkel: Weak-Supervision on German Texts2020-08-03T16:20:46+00:00

Personalisierung mit Recommender Systems FAQ: Eure Fragen beantwortet

2020-07-27T12:27:35+00:00

Bei unserem Meetup zur Rolle von Recommender-Systemen im Omnichnannel-Marketing sind einige Fragen offen geblieben. Diese haben wir hier zusammengetragen und von unseren Expert:innen beantworten lassen.

Bei unserem Meetup zur Rolle von Recommender Systems im Omnichnannel-Marketing sind einige Fragen offen geblieben. Diese haben wir hier zusammengetragen und von unser

Personalisierung mit Recommender Systems FAQ: Eure Fragen beantwortet2020-07-27T12:27:35+00:00

Automated Feature Engineering with Open-Source Libraries

2020-07-20T16:56:10+00:00

In the hope of excellent features, without requiring domain experts spending days engineering them, lies this review of automated feature engineering with TPOT, auto-sklearn and autofeat.

In the hope of excellent features, without requiring domain experts spending days engineering them, lies this review of automated feature engineering with TPOT, auto-

Automated Feature Engineering with Open-Source Libraries2020-07-20T16:56:10+00:00

Data-driven Services: Ein Workshop speziell für digitale Mehrwertdienste

2020-09-03T15:46:38+00:00

Um den Wandel hin zu digitalen Service-Ökonomie optimal zu unterstützen haben wir ein neues Workshop-Format entwickelt, das den spezifischen Besonderheiten von Data Driven Services Rechnung trägt. Den Ablauf dieses Data-Driven Services Workshops beschreibe ich in diesem Artikel.

Schon seit mehreren Jahrzehnten wandelt sich die Wirtschaft in Deutschland von der reinen Produktherstellung hin zu mehr Dienstleistungen. Die zunehmende Wichtigkeit

Data-driven Services: Ein Workshop speziell für digitale Mehrwertdienste2020-09-03T15:46:38+00:00
Mehr Beiträge laden