A/B-Testing ermöglicht datenbasierte Entscheidungen, wir diskutieren Best Practices und tauchen in fortgeschrittene Themen wie Bayesianische A/B-Tests und Multi-Armed Bandits ein. Außerdem geben wir hilfreiche Tipps und erläutern explizit die Fallstricke beim A/B-Testing, damit ihr eure eigenen A/B-Tests effektiver gestalten könnt.
Links:
#27: Kann ein Large Language Model (LLM) bei der Klassifikation tabellarischer Daten XGBoost schlagen?
#25: Feature Store: Features als wiederverwendbares Datenprodukt
#24: Explainable AI: Entscheidungen von Black-Box-Modellen verstehen
#23: Unsexy aber wichtig: Tests und Monitoring
#22: Sind Makro-Prognosen in Zeiten von Strukturbrüchen noch sinnvoll?
#21: Machine Learning Operations (MLOps)
#20: Ist Continuous Integration (CI) ein Muss für Data Scientists?
#19: Data Science und Story Telling
#18: Big Data Erfolgsgeschichten
#17: Use Case - Kundensegmentierung
#16: Sind Daten das neue Öl?
#15: Data Science Architektur: Microservices vs. Data Mesh
#14: Kubernetes
#13: Datenqualität
#12: Use Case - Luftschadstoffprognose für Berlin
#11: Real Time Analytics
#10: Signifikanz
#9: Data Science Project Ownership
#8: Use Case - Customer Lifetime Value (CLV)
Create your
podcast in
minutes
It is Free
Insight Story: Tech Trends Unpacked
Zero-Shot
Fast Forward by Tomorrow Unlocked: Tech past, tech future
The Unbelivable Truth - Series 1 - 26 including specials and pilot
Acquired