• In times of DataOps and MLOps, do we need a new analytical database benchmark?
  • How to benchmark Data Science Pipellines?
  • How to integrate (most of) Data Science Workflow consistently and efficiently into a GPU framework?
  • Numerik in Rechner-Clustern, z.B. mit Dask
  • Numerik auf einer GPU, z.B. mit CuPy
  • Numerik auf einer GPU, z.B. mit JAX
  • Numerik in JIT-kompiliertem Python, z.B. mit Numba

Eine GPU (Graphics Processing Unit) ist  für die Grafikdarstellung in einem PC zuständig. Spezielle Bibliotheken (insbesondere CUDA und OpenCL) ermöglichen es, rechenintensive Teile allgemeiner Programmabläufe auf einer GPU statt wie üblich auf einer CPU (Central Processing Unit) auszuführen. Insbesondere durch ihre Fähigkeit, massiv parallel und dadurch schnell Tensorrechnungen für große Datenmengen durchführen zu können, haben sich GPU in vielen mathematiklastigen Anwendungsbereichen als technische Grundlage etabliert.

BHT Berlin Data Science + X

Komplexe Unternehmensentscheidungen werden häufig durch nachvollziehbare Datenanalysen unterstützt. Professorinnen und Professoren der Fachbereiche „Mathematik“ und „Informatik und Medien“ arbeiten mit Studierenden und Industriepartnern am Zukunftsthema „Data Science“.

Siehe auch: Studiengang

https://aws.amazon.com/de/education/awseducate/

Ansprechpartner (Central Point of Contact) für das Hochschulprogramm von Amazon Web Services

OCIDA

Das Forschungsprojekt OCIDA hat die Zielsetzung, durch effiziente Auswertung von individuellen Kundendaten aus dem E-Commerce die Abwanderung von Kunden (Churn) durch optimale Strategien zu reduzieren. Dabei sollen Methoden des analytischen Marketings, der mathematischen Modellierung und Optimierung aus dem Revenue Management und Pricing sowie geeignete Prognoseverfahren Anwendung finden. Aufgrund der großen Datenmengen erfolgt eine Auswertung von Big Data basierend auf Hadoop-Technologien.