Dr. Gerhard Svolba ist Analytic Solutions Architect und Data Scientist bei SAS Institute in Österreich. Er ist in eine Vielzahl von analytischen und Data Science Projekten quer über fachliche Domains wie Demand Forecasting, analytisches CRM, Risikomodellierung und Produktionsqualität involviert. Seine Projekterfahrung reicht von der fachlichen und technischen Konzeption über die Datenaufbereitung und die analytische Modellierung in unterschiedlichen Branchen. Er ist der Autor der SAS Press Bücher Data Preparation for Analytics Using SAS, Data Quality for Analytics Using SAS and “Applying Data Science: Business Case Studies Using SAS”. Als nebenberuflich Lehrender unterrichtet er Data Science Methoden an der Medizinischen Universität Wien, der Universität Wien und an Fachhochschulen. Sie finden auch Beitrage auf: Github und Twitter. ENGLISH: Dr. Gerhard Svolba ist Analytic Solutions Architect und Data Scientist bei SAS Institute in Österreich. Er ist in eine Vielzahl von analytischen und Data Science Projekten quer über fachliche Domains wie Demand Forecasting, analytisches CRM, Risikomodellierung und Produktionsqualität involviert. Seine Projekterfahrung reicht von der fachlichen und technischen Konzeption über die Datenaufbereitung und die analytische Modellierung in unterschiedlichen Branchen. Er ist der Autor der SAS Press Bücher Data Preparation for Analytics Using SAS®, Data Quality for Analytics Using SAS® and “Applying Data Science: Business Case Studies Using SAS”. Als nebenberuflich Lehrender unterrichtet er Data Science Methoden an der Medizinischen Universität Wien, der Universität Wien und an Fachhochschulen. Sie finden auch Beitrage auf: Github und Twitter.
In knapp vier Wochen ist es wieder soweit. Die SAS Analytic-Conference Series „A2015“ macht in Rom Station (analytics 2015 rome). Seit dem ersten Event im Jahr 2009 in Kopenhagen fand die Konferenz auch bereits zweimal in Deutschland statt (2012 in Köln und 2014 in Frankfurt) und hat sich im Laufe
Maschinelles Lernen wird mehr und mehr zum Mainstream. Was früher eine reine Domäne der wissenschaftlichen Forschung von wenigen Technologieunternehmen war, findet zunehmend Eingang in Produkte und Lösungen auch in traditionellen Branchen. Maschinelles Lernen nutzt mathematische (und/oder statistische) Modelle, um aus Datenbeständen zu lernen. „Lernen“ bedeutet in diesem Kontext die Annäherung
Many colleagues and customers at SAS Global Forum ask me, why I write books beside having a full-time job as SAS consultant and being lecturer at universities. Valid question. SUSTAINABILITY. I have been working in so many analysis projects in different domains and industries. Some of them were longer, others were
