Die Data Science Community trifft sich seit November 2015 in Köln zu Meetups. Angefangen hatte es mit einem Kickoff im Kölner Startplatz, bei dem viele Data Science Interessierte und Programmierer dem Python-Umfeld gekommen waren.
Résumé
Nach inzwischen 10 Meetups läßt sich an dieser Stelle ein Résumé ziehen …
Gleich #DataScience Meetup #Köln im @STARTPLATZ, u.a. mit @PythonSV-Vorstand @TFConsult. #Python #datasciencesp pic.twitter.com/B7TJVWGOpb
— Andreas Schreiber (@onyame) November 6, 2015
https://twitter.com/PythonSV/status/890629716427776000
Peter Jung von KI analytics zu den aktuellen Themen Machine Learning und Artificial Intelligence:
Paradigm Shifts in Data Science, Dr. Peter Jung, Head of Analytics:
“The Job of data scientists changes a lot nowadays. Technological innovations in the field of machine learning require us to rethink our work and our role. Paradigms that used to work well a decade ago have to be revised, and we have to keep up-to-date with the ever changing toolset. This talk gives a biased view on what is happening and where our field is heading to.”
#Python rules #Toolset for #DataScience @PeterJungX #bigdata #MachineLearning #ArtificialIntelligence @STARTPLATZ #Cologne pic.twitter.com/h1bugLAQjW
— Python SV e.V. (@PythonSV) July 27, 2017
Showcase
Score keeping and skill analytics (SATraS), Stephan Porz, Data Scientist, eyeo GmbH
“This talk showcases a homemade piece of software built by glueing together a few libraries in python. It includes data gathering and parsing (Wisent), algorithms to extract valuable information (trueskill, Pandas) as well as some visualization (Dash). It’s designed to keep track of scores in any multiplayer game and shows the skills and development of players. It also has the option to quantify influencing factors.”
Stephan from @pycologne about marvelous @europython experience ät #datascience meetup #cologne @STARTPLATZ #cologne #Python @data_raccoon pic.twitter.com/M0UtO7hcUA
— Python SV e.V. (@PythonSV) July 27, 2017
Github-Repository zum Beitrag von Stephan: https://github.com/data-raccoon/satras-talk
Fazit
Bereits beim 1. Meetup wurden interessante Themen identifiziert, die in den folgenden Treffen weiter vertieft und intensiver behandelt wurden, u.a.:
- Lessons Learned & Success Stories: Data Science Erfahrungsberichte
- Mathematische Grundlagen & Statistik, Algorithmen & Mathematische Modelle
- Machine Learning, Visualisierung, Social Network Analysis
- IT-Architektur, d.h. Server, Software, Best Practice
- Data Engineering & Software Engineering
- Julia – als Alternative zu Python
Aber zu kurz kamen sicherlich viele “anwendungsorientierte Themen” (Use Cases) und auch die Teilnahme von Anwendern aus Industrie, Produktion und mittelständischen Firmen, insbesondere KMU. Folgende Teilnehmer-Kommentare untermauern diesen Eindruck:
“If data is the new oil, then use cases are the new fire to ignite Data Science. More specific talks on use cases would be appreciated.” ~ Ehler L.
sowie
“Ich hätte mir auch etwas mehr Science und tiefergehende Erkenntnisse gewünscht. Vielleicht beim nächsten Mal … ” ~ Olaf G.
Daher stehen für die Zukunft nach wie vor folgende Themen ganz oben auf der Wunschliste, ohne Anspruch auf Vollständigkeit:
- Data Science in verschiedenen Branchen, u.a. Healthcare, e-Commerce, Maschinen- & Anlagenbau, Chemie & Pharma, etc.
- Data Science Dienstleister, u.a. Freelancer, Ingenieur-Büros und SaaS-Angebote
- Datathon für Data Science Anfänger
- Talks zu Data Science Use Cases
- Problemstellungen: Lösungsansätze, Methoden & Tools
- Data Science Book & Paper Reviews
PS: Die für Ende 2016 geplante Konferenz PyData Cologne mußte leider aufgrund eines Feuerschadens im DLR abgesagt werden,
Weitere Informationen
- Data Science Cologne : meetup.com/datasciencecgn
- Python Software Verband e.V. : python-verband.org
- PyData Meetups & Konferenzen : pydata.org
- PyData Cologne : @PyDataCologne
