Data Science

IT-PS bietet Beratung, Umsetzung und Ausbildung in Sachen Data Science.

Mit Data Science gelingt es Ihnen, aus großen Datenmengen wichtige Informationen zu ziehen, die Ihrem Unternehmen zum entscheidenden Vorteil gegenüber Mitbewerbern verhelfen können. Erfahrene Data Scientists leiten aus den in Ihrem Unternehmen vorhandenen Daten Handlungsempfehlungen ab, die Ihnen helfen, Ihr Unternehmen effizienter aufzustellen. Data Science hilft Ihnen zum Beispiel auch dabei, Maschinen und Anlagen proaktiv zu warten und Störungen zu vermeiden (Predictive Maintenance, vorausschauende Wartung). Mit Hilfe der so genannten Predictive Analytics (vorausschauende Analyse) ist es möglich, künftige Ereignisse aufgrund historischer Daten vorherzusagen.

Deep Learning, Machine Learning und Artificial Intelligence (AI) sind längst in der Realität angekommen und bilden das Herzstück jedes Unternehmens, das die Digitalisierung ernst nimmt und als Chance begreift. Neuronales Lernen findet nicht mehr nur im menschlichen Gehirn statt, sondern gehört als künstliches neuronales Lernen auch ins Erfolgskonzept eines datengesteuerten Unternehmens. Neuronale Netze und Künstliche Intelligenz (KI) sind zukunftsfähige, neue Ansätze für Ihre Unternehmensstrategie.

IT-PS berät und unterstützt Sie in jeglicher Phase Ihres Projekts: Wir analysieren das Data-Science-Potenzial Ihres Unternehmens, setzen das Projekt mit Ihnen um oder beraten Sie bei der Umsetzung. Und wir sind dabei, wenn es darum geht, das Know-how innerhalb Ihres Unternehmens zu etablieren. Als österreichisches IT-Systemhaus behalten wir dabei aber auch die strengen Regeln der europäischen Datenschutzgrundverordnung (DSGVO) im Auge und handeln stets im Einklang mit dieser.

IBM Power-Plattform

In Sachen Infrastruktur setzt unser Data-Science-Team neben den klassischen x86-Systemen seinen Fokus auf die IBM Power-Plattform sowohl unter Linux als auch AIX und IBM i. Unsere enge Zusammenarbeit mit den IBM-Labors ist einzigartig und ermöglicht es uns, die neuesten Technologien in den Bereichen Machine Learning und Deep Learning auf diesen Plattformen anzuwenden. Gemeinsam nutzen wir dabei die Synergieeffekte Ihrer bestehenden Infrastrukturen. So halten wir besonders zu Beginn Ihres Weges zum digitalen Unternehmen die Investitionskosten gering.

Projektumsetzung

Sie suchen Experten, die Sie bei der Umsetzung Ihres Data-Science-Projekts unterstützen? Rufen Sie uns an! Unser Team begleitet Sie bei Ihren ersten Data-Science-Projekten von der Use-Case-Identifizierung bis hin zum fertigen Datenprodukt.

Seeding Phase

Der erste Schritt zu Ihrem Data-Science-Ziel ist die Seeding-Phase, die mit einem Workshop eingeleitet wird. Hier erfahren Sie, wie Data Science funktioniert und wie Sie in Use Cases von den Daten Gebrauch machen können. Wir identifizieren mögliche Fälle, bewerten sie und entscheiden gemeinsam mit Ihnen, welche Cases Priorität haben. Auf diese Weise halten Sie schon nach kurzer Zeit einen soliden Plan in der Hand, von dem ausgehend Sie weitere sinnvolle Schritte setzen können.

Was wir in dieser Phase konkret tun:

  • Einen strukturierten Kreativprozess starten, um Use Cases zu finden
  • Die Cases bewerten und priorisieren

Profiling

Im Rahmen des Profiling betrachten wir einen der ausgewählten Use Cases genauer und arbeiten alle Schritte aus, die zur Umsetzung eines Prototyps notwendig sind. In dieser Phase entwickeln Sie ein Verständnis für den Use Case und werden mit der Materie zusehends vertrauter.

Die konkreten Schritte:

  • Sie entwickeln ein Verständnis für den Use Case,
  • wir erarbeiten die genauen Anforderungen an den einzelnen Fall,
  • sichten und bereiten die Datenquellen detailliert auf,
  • erörtern datenschutzrechtliche Aspekte und setzen entsprechende Maßnahmen,
  • definieren Erfolgskriterien und Key-Performance-Indikatoren (KPI).

Prototyping

Der Prototyp dient dazu, die generelle Machbarkeit mit Machine-Learning-Methoden zu zeigen. Im Zentrum des Prototypings steht der mögliche Einsatz in Ihrem Unternehmen und die damit verbundenen architektonischen Anforderungen. Wir gehen also ins Detail.

Das erwartet Sie in dieser Phase:

  • Datenbereinigung und -aufbereitung, Feature Engineering
  • Auswahl und Verprobung der Machine-Learning-Algorithmen
  • Training und Überprüfung der Modelle
  • Prototypische Visualisierung der Ergebnisse

Productionising

War das Prototyping erfolgreich, unterstützen wir Sie gerne bei der Portierung der Lösung in eine produktive Umgebung: dem Productionising. Unsere Experten nutzen dazu eine auf Container-Technologien basierende Architektur, was Sie deutlich schneller ans Ziel bringt.

Was wir in dieser Phase konkret tun:

  • Refactoring für den produktiven Einsatz
  • Deployment in skalierbare Container-Umgebungen in der Cloud und On-Premise
  • Anbindung an produktive Datenquellen und Zielsysteme
  • Scheduling von Trainings- und Inferenz-Zyklen oder Streaming-Anbindung
  • Einbindung in den Sicherheits- und Compliance-Kontext Ihres Unternehmens
  • Fertigstellung und Produktiv-Deployments von User Interfaces und Visualisierungen

Beratung

Möchten Sie Ihr Data-Science-Projekt selbst umsetzen und brauchen einen erfahrenen Partner an Ihrer Seite? IT-PS Data Science berät Sie bei der eigenständigen Umsetzung Ihres Data-Science-Projekts. Natürlich begleiten wir Sie darüber hinaus auch langfristig.

Data-Science-Ausbildung

Unserer Meinung nach braucht die Welt mehr Menschen, die über Data Science gut Bescheid wissen. Daher unterstützen wir Ihre Mitarbeiterinnen und Mitarbeiter mit einer Data-Science-Ausbildung dabei, alles Notwendige über Data Science zu lernen, und geben Ihnen was sie brauchen, um in Ihrem Unternehmen zu Daten-Expertinnen und -Experten aufzusteigen. Wir bieten dafür verschiedene Formate an, die von den Basics über vertieftes Wissen alles enthalten, was man im Data-Science-Alltag braucht.

IT-PS betreut Sie bei sämtlichen Schritten rund um die Ausbildung Ihres Teams zu Data Scientists.

Generic Classroom

Hier ist Raum für die Grundlagen von Data Science: Im Generic Classroom erfahren Ihre Mitarbeiter und Mitarbeiterinnen alles über mathematische und statistische Basics sowie über die Programmierung für Data Science in Python und R.

Specialized Classroom

Wir gehen in die Tiefe. Im Specialized Classroom bekommen Ihre Mitarbeiter und Mitarbeiterinnen fundiertes Know-how – und zwar anhand konkreter und für Ihr Unternehmen relevanter Problemstellungen. Wir passen die Module speziell an Ihre Themen an und verwenden als Lernmaterial bereits Ihre Daten (falls vorhanden).

Inhalte

  • Data-Science-Projektvorgehen
  • Exploration, Feature Engineering, Data Cleaning
  • Modellentwicklung und Machine Learning anhand Ihrer konkreten Aufgabenstellungen
  • Wissenschaftliche Methoden und relevante statistische Grundlagen
  • Angewandtes Python und R
  • Cloud Basics
  • Data Engineering
  • Productionising

IT-PS Data Lab

Das IT-PS Data-Science-Team setzt seine Projekte üblicherweise mit dem IT-PS Data Lab um. Das Lab stellt für alle Plattformen* eine einheitliche Projektumgebung mit allen wichtigen Open Source Frameworks für Python und R zur Verfügung. Durch konsequenten Einsatz von Docker-Containertechnologie, kann das IT-PS Data Lab sehr rasch in Kundenumgebungen on Premise oder in der Cloud aufgebaut oder im IT-PS Data Center eingesetzt werden.

Das IT-PS Data Lab integriert unterschiedliche Entwicklungsumgebungen wie RStudio Server, Jupyter Notebooks/JupyterLab und Theia IDE, was die Zusammenarbeit von Data Scientists und Data Engineers vereinfacht. Die dabei verwendete Docker-Container-Infrastruktur bildet eine solide Ausgangsbasis, um die Datenprodukte anschließend zu produktionalisieren.

* IBM Power on Premise und in der Cloud, x86 on Premise und in der Cloud

The R logo is © 2016 The R Foundation.

You can distribute the logo under the terms of the Creative Commons Attribution-ShareAlike 4.0 International license (CC-BY-SA 4.0) or (at your option) the GNU General Public License version 2(GPL‑2).