Photo by Hitesh Choudhary on Unsplash
Der Hafven und Ignaris lädt alle Daten Begeisterte und Machine Learning Interessierte zu einem monatlich stattfindenden Mini-Hackathon ein. Die Teilnehmer werden in kleinen, zufällig zusammengestellten Gruppen aufgeteilt und zu einem vorgegebenen Datensatz eine Challenge bekommen. Am Ende der Bearbeitungszeit werden die Gruppe kurz ihre Ergebnisse präsentieren.
Es gibt sowohl explorative Challenges, in denen die Teilnehmer in den Gruppen die Daten analysieren und kompetitive Herausforderungen bei denen die Gruppen versuchen das beste Ergebnis zu erreichen.
Das interaktive Format bietet viel Spass und neue Impulse wodurch es für Anfänger und Fortgeschrittene interessant ist. Abgerundet wird der Abend mit der Möglichkeit sich mit gleichgesinnten Menschen auszutauschen.
Wichtig: Für die Teilnahme wird ein Laptop benötigt auf dem Python oder R und Jupyter Notebooks vorinstalliert ist.
19:00 - 19.15 Ankunft der Teilnehmer
19.15 - 19.30 Präsentation der Challenge
19.30 - 19.35 Gruppenbildung
19.35 - 21.00 Bearbeitung der Challenge
21.00 - 21.15 Präsentation der Ergebnisse
21.15 - 22.00 Networking
Im ersten Event bekommen die Teilnehmer einen Datensatz mit globalen Handelsstatistiken.
Der Datensatz umfasst Import- und Exportvolumen von 5000 Gütern der meisten Länder der Erde für die letzten 30 Jahre.
Während der Challenge können die Teilnehmer in entspannter Atmosphäre interessante Informationen aus dem Datensatz extrahieren.
Wie groß ist der Unterschied zwischen Importe und Exporte der einzelnen Länder?
Welche Waren werden am meisten gehandelt?
Kevin Raetz
Kevin Raetz studierte Informatik an der Leibniz Universität Hannover und war Software-Entwickler bei dem AI-Startup PEAT . Hier war er Teil des Backend-Entwickler Teams und hat verschiedene Tools für Machine Learning Modelle entwickelt. Bei seiner Arbeit bei PEAT trug er zudem Verantwortung für die Umsetzung verschiedener technischer Projekte und leitete ein Entwickler-Team.
Bei Ignaris (ehemals Refindit) ist er hauptverantwortlich für die Entwicklung und Optimierung von Machine Learning Modellen.
Philipp Schelske
Philipp studierte Informatik an der Leibniz Universität Hannover und war Teamleiter beim Pilotprojekt “Autonomous Driving” von Horsepower . Hier konnte er insbesondere Erfahrungen in der Anwendung und Optimierung von komplexen Machine Learning Modellen des autonomen Fahrens sammeln.
Bei Ignaris (ehemals Refindit) entwickelt und optimiert er Machine Learning Modelle und beschäftigt sich mit Data Engineering.
Kontakt: Philipp Schelske (E-Mail)