ScaleUp 360° Cognitive Technologies ist die Plattform für Top Executives, Entscheidungsträger und Lösungsanbieter, um sich über aktuelle & zukünftige Projekte auszutauschen, Partnerschaften zu schließen, Netzwerke auszubauen und neues Geschäft zu generieren.

Mit mehr als 250 Teilnehmern aus führenden Unternehmen in der DACH Region ist dies das bedeutendste und am besten zugeschnittene Digitalevent für den Themenkomplex AI & Machine Learning.

In seiner Keynote auf der ScaleUp 360° Cognitive Technologies sprach Jan Kunigk, CTO EMEA bei Cloudera über Machine Learning & Data Science in der “Cloud Ära”.

Machine Learning & Data Science in der Cloud Ära

Data Science und Machine Learning funktioniert umso besser je mehr Daten für das Training zur Verfügung stehen. Die Revolution von Big Data und Cloud Computing in Enterprise IT bietet in Bezug auf Daten und- Compute-Ressourcen scheinbar grenzenlose Möglichkeiten: Schneller Daten-Ingest in jeder Geographie, Cloud-Bursting auf GPU Servern für die Marketing-Kampagne im Weihnachtsgeschäft, 500 Cores für die Prognose des nächsten Quartals: Die Cloud macht es möglich. Doch wie kann man Geschäftsbereiche mit Machine Learning individuell erfolgreich machen und gleichzeitig Cloud-übergreifende Funktionalität und Compliance gewährleisten?

Die Antworten bergen Makro-Trends wie Container-Technologie und ständige Innovation in Open Source Data Processing Frameworks. Wir zeigen wie sich diese zu einer einheitlichen Enterprise Data Cloud bündeln lassen, um einen echten Data Lifecycle in jeder Cloud und on-premise zu ermöglichen.

Wie liefere ich moderne Machine Learning Umgebungen an Business-User über alle Clouds und On-Premises hinweg?
Wie ermögliche ich Nutzern durch skalierbare Container-Technologie Freiheit bei der Auswahl der Machine Learning Frameworks (und Versionen)?
Wie schaffe ich umfassende Kollaborationsmöglichkeiten der ML Engineers untereinander und mit anderen Geschäftsbereichen?
Wie schaffe ich die gleichen Data (und Model) Governance Standards für Machine-Learning wie für den Enterprise Data Lake ohne die Freiheit der Nutzer einzuschränken?