Ipar 4.0 - Álmok és a valóság Data Science szemszögből

Feltöltve: 2021. október 29.

Online Data Tapasztalatok Ipar 4.0 Ipari digitalizáció Értékek Feltételek

Adatos körökben az Ipar 4.0 az egyik legfelkapottabb témává vált 2021-re. Nem hiába, hiszen az ipari szektorban az adatokban rejlő potenciál jelenleg nagyobb, mint a más, adatérettségben már előrébb járó szektorokban, mint a pénzügyi, vagy az ICT szektor. A lelkesedés nem alaptalan, hiszen az ipari szektor Magyarország GDP-jének közel 25%-át adja, így ebben a szektorban komoly potenciállal bír a Data Science megoldások alkalmazása, de van pár tényező, ami hűti a kedélyeket.

A beszélgetés során kitérünk azokra a probléma körökre, amiben a Data Science eszköztár értéket teremthet, szó lesz az előfeltételekről és az akadályozó tényezőkről, valamint a szervezeti aspektusokat is érinteni fogjuk.

Az eseményen való részvétel ingyenes, de regisztrációhoz kötött.

 


Fodor Szabolcs

Fodor Szabolcs

Lead Data Scientist, United Consult

A United Consult Big Data üzletágában a Data Science szakmai csapatot vezetem, akikkel az üzletág partnereinél üzleti értéket szállító projekteken dolgozunk.

Pénzügyi matematikusként végeztem és az elmúlt 10 év során adatalapú megoldásokon dolgoztam a pénzintézeti szektorban és az online világban is. A projektek során összegyűlt hasznos tapasztalatokkal a kezemben az elmúlt négy évben tanácsadóként dolgozom és a csapatunkkal több nagyvállalat adatvezérelt megoldását segítem megvalósítani.


Masa Attila

Masa Attila

Indeveyes Technologies, CEO & Co-Founder

Attila évtizedes robotikai és automatizálási tapasztalatát kamatoztatva az utóbbi években kiemelten IIoT és ipar4 relevanciájú fejlesztésekkel foglalkozik. Az Indeveyes Technologies megalapításával összekötötte a technológiai és üzleti szegmenst, és ambiciózus, szakmailag felkészült csapatával küldetése olyan innovációkra sarkallni ügyfeleit, amelyek már rövid távon is a versenyképesség kulcsává válhatnak az ipari termelésben.


Szakmai partnerek

Ipar 4.0 - Álmok és a valóság Data Science szemszögből

Feltöltve: 2021. október 29.

Online Data Tapasztalatok Ipar 4.0 Ipari digitalizáció Értékek Feltételek

Ajánlott videók

Az ingatlanpiaci digitalizáció jelene és jövője

5 év múlva elképzelhetetlen az adathitelesítés blockchain nélkül

API használat, state management és az rxjs szépégei nagy projektek esetén

LegalTech trendek a magyar piacon és a vilában

Foodpanda: Digitalizáció és stratégiai látásmód piacvezető szerepben

Data science módszerek vásárlói viselkedésminták elemzésére 2.0

Next Earth: A blockchain alapú jövő

Nestlé: Online FMCG értékesítés a világ legnagyobb élelmiszeripari vállalatának szemszögéből

Data Science az online médiában: az adatvezérelt újságírás jövője

A Java jelene és jövője

A sikeres ügyfél-szolgáltató együttműködés kultúrális és szervezési kérdései

Generációk és fogyasztói szokások változása a metaverzum kapujában

OKR, avagy hogyan érik el a világelsők a legambiciózusabb terveiket

A Bitrise sztori: üzlet, vezetés és vállalati kultúra

Mesterséges intelligencia a videós kontent gyártásban

Java REST API kihívások és megoldások

Mesék a való életből: adathalászat, mely a javunkat szolgálja

Az adatvagyon keletkezése, kezelése és monetizációja az e-kereskedelemben

A mesterséges intelligencia alapjai

Cégépítészet – hogyan építsünk sikeres vállalatot a digitális korban?

Amikben hibáztam – Beszélgetés Bojár Gáborral

Influencerek és új médiacsatornák az e-commerce marketingben

HR támogatás a digitális forradalom tükrében

Agilis tesztelés a gyakorlatban

Subscription rendszerek a médiában: HVG, Central Médiacsoport

Az ügyfélélmény versenyjogi és fogyasztóvédelmi aspektusai

Digitális ipari megoldások: az AR/VR ipari alkalmazása

Digitális terméktervezés és a design kutatás haszna

Projekt életciklus fejlesztői szemmel

Ameddig a föld kerek, mindig lesznek Dockerek!

Bodorítsunk-e bárányfelhőket – mire jó a cloud?

A fenntarthatósági kihívások az E-commerce logisztikában

Vezető a vezető mögött

Iparági helyzetelemzés a B2B e-commerce piac trendjeiről és jövőjéről

Remote first

AI alapú ajánlórendszerek a gyakorlatban

AI fejlesztési tapasztalatok a hazai nagyvállalati és az amerikai startup szektorból

Ökoszisztémák az e-kereskedelemben

Adatokban gazdag

Kubernetes Policy Enforcement – a Kubernetes videóbírója

Innovatív payment stratégia: így kattintanak egyre többen a fizetés gombra

Engineering kultúra vol. 2: Feedback és onboarding a terítéken

Hogyan építsünk AI alapú vállalati alkalmazásokat? – Avagy egy szakma szépségei és buktatói

Exportfejlesztés az Egyesült Államokban

Intézményi befektetők a nemzetközi piacra lépés mögött – ahogy a Hiventures látja

Szervezeti hálózatelemzés

Konténerizáció ismertető

Data Science – IT Morning School

Data science módszerek vásárlói viselkedésminták elemzésére

Hogyan válasszak e-commerce fejlesztési platformot?

Robotok a vállalati kommunikációban

Single source of TRUTH, avagy a teljes customer experience forrása és jövője

Termékkereső a webáruházakban

A mesterséges intelligencia határterületei

Hogyan lettem adattudós?

Building Products People Will Love

Milyen a hatékony engineering kultúra?

Mi fán terem az agilitás? – IT Morning School

Natív és cross platform alkalmazások – IT Morning School

Webes technológiák – IT Morning School

Hogyan épül fel egy fejlesztő csapat? – IT Morning School

Robotikai alapok – IT Morning School

Technológiai áttekintés – IT Morning School

E-commerce az Egyesült Államokban: Amazon és más csodaszerek

Magyarországról az amerikai piacra: a partraszállástól a befektetőkig

Így reagáltunk mi a változásokra – szallas.hu és ingatlan.com

Kitartás a vezetésben és sportban

Mit tanul ma egy vezető? Mások hogy csinálják?

Kezdjünk bele az AI transzformációba!

Az e-commerce jövője: 50%-os részesedés a teljes kiskereskedelemből?

Vízesés és agilis fejlesztési szemléletek — mindkettőre szükség van?

Microservice architektúra alapok

A jövő váratlanul válik jelenné – Auchan, Decathlon, Rossmann

E-commerce rendszer Microservice architektúrával

Kiberbiztonság webes aspektusai, támadási felületek és védekezési lehetőségek

Felhasználói élmény és e-commerce – 1. rész

Felhasználói élmény és e-commerce – 2. rész

Google Analytics fejlesztői szemmel

Chatbot alapok és gyakori integrációk

Hogyan határozzuk meg és hogy mérjük a legfontosabb eCommerce KPI-okat?

Hogyan használjuk ki az adatelemzés adta lehetőségeket a digitális világban?

Termékajánlók webshopoknak a Google AI segítségével

AI ajánlórendszerek típusai és megközelítései

Diverz kereskedelmi folyamatok felépítése

Evolution of the Shopping Experience – a Walmart Case Study

Ajánlott videók