How often does this podcast release new episodes?

This podcast updates bi-weekly.

Where can I listen to this podcast?

This podcast is available on 4 platforms including Apple Podcasts, Spotify, and more. You can also use the RSS feed directly.

Does this podcast accept guests?

No, this podcast does not typically feature guests.

Data Science mit Milch und Zucker

Claim This Podcast

by Prof. Dr. René Brunner

4.3(12 reviews)

34 episodes

Updated Bi-weekly

Accepts GuestsHas SponsorsLocation 🇩🇪

Podcast Overview

Deutschlands meistgehörter Data Science Podcast – jetzt reinhören, ganz ohne Anmeldung Ob Data Science, Machine Learning oder künstliche Intelligenz – in diesem Podcast bekommst du mehr als nur Theorie. Prof. Dr. René Brunner liefert verständliche Einblicke in komplexe Themen und zeigt, wie Daten echte Wirkung entfalten. Praxisnah, aktuell und inspirierend. Was dich erwartet: Jede Episode beleuchtet ein spannendes Thema – zusammen mit Expertinnen und Experten aus der Wirtschaft. Es geht um konkrete Anwendungsfälle, Best Practices und Trends direkt aus dem Unternehmensalltag. Dein Host: Prof. Dr. René Brunner ist Professor an der Macromedia Hochschule, Gründer von Datamics und erfolgreicher Fachbuchautor. Über 50.000 Teilnehmer seiner Onlinekurse auf Udemy wissen: Er macht Data Science zugänglich – ohne unnötigen Fachjargon. Sein neuestes Buch „Python – Schritt für Schritt Programmieren lernen“ richtet sich an Einsteiger und erfreut sich großer Beliebtheit. Für wen ist der Podcast? Für Managerinnen und Manager, die Data Science verstehen und einsetzen wollen. Für Einsteigerinnen und Einsteiger, die sich einen fundierten Überblick über aktuelle Entwicklungen in deutschen Unternehmen verschaffen möchten. Das sagt die Community: „Ich höre seit zwei Wochen – und fast hätte ich dank des Podcasts einen Job bekommen.“ „Spannende Einblicke in die Berufswelt, hilfreiche Tipps für den Einstieg.“ „Informativ, praxisnah und motivierend – ein echter Gewinn für die Data Science Community.“ Mehr über René Brunner auf LinkedIn: linkedin.com/in/renebrunner

Language

🇩🇪

Publishing Since

12/1/2021

Visit Website View on Apple Podcasts RSS Feed

1 verified contact email on file for Data Science mit Milch und Zucker

Pitch yourself as a guest, propose sponsorships, or reach out directly to the host.

See contact details

Recent Episodes

July 23, 2025

Hard Hats & Smart Data: Machine Learning for Construction Safety

(english version below) ++++ Unsere 34. Podcast-Episode: Machine Learning auf der Baustelle – Sicherheit, Sensoren & smarte Templates ++++ In dieser Folge sprechen wir mit Joel Un von Holcim - einem internationalen Konzern, der in mehr als 60 Ländern aktiv ist – über die Herausforderungen und Chancen beim Einsatz von Data Science im Bereich Arbeitssicherheit auf Baustellen. Wie lässt sich mit Hilfe von Audio-, Sensor- und Kameradaten erkennen, ob Sicherheitsvorgaben eingehalten werden? Welche Rolle spielen ML-Modelle in einem realen, oft chaotischen Baustellenumfeld – und wie bringt man diese überhaupt produktiv zum Laufen? Joel gibt uns Einblick in seine Projekte, erzählt von praktischen Erfahrungen bei der Implementierung von Machine Learning im Produktionsumfeld, von der Bedeutung eines guten MLOps-Setups und warum der Einstieg in strukturierte ML-Projekte nicht in Jupyter Notebooks enden sollte. Auch Themen wie Akzeptanz im Team, Datenschutz und Annotation im industriellen Umfeld kommen zur Sprache. Ein spannender Use Case, der zeigt, wie weit Data Science bereits in industrielle Kontexte vorgedrungen ist – und was es braucht, damit Innovation nicht nur ein Buzzword bleibt. +++++ Episode 34: Data Science on Construction Sites – Safety, Sensors, and Smart Use Cases +++++ In this episode, we talk to Joel, a data scientist working at a large international company operating in over 60 countries. The topic: using data science and machine learning to improve safety on construction sites. How can audio, sensor, and camera data help detect whether safety protocols are being followed? What does it take to get machine learning models running in the unpredictable reality of construction environments? Joel shares insights from real-world projects, explaining how ML can be effectively applied in industrial contexts. We dive into topics like MLOps, annotation challenges in production settings, data privacy, and why it's often a mistake to start with just a Jupyter notebook. A fascinating use case that shows how data science is already shaping safety and efficiency far beyond the tech industry—and what it takes to turn innovation into real impact. Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website: https://datamics.com/ Oder nimm an einem unserer zahlreichen Onlinekurse teil: https://www.udemy.com/user/datamics/ Um mit Natalie in Kontakt zu treten, besuche gerne ihr LinkedIn-Profil: https://www.linkedin.com/in/joel-aytunc-un/

February 12, 2025

Chemometrie -Authentifizierung und Qualitätssicherung in der Lebensmittelindustrie mit Data Science

++++ Unsere 33. Podcast-Episode: Natalie Gerhardt über Chemometrics in der Lebensmittelauthentifizierung und Qualitätssicherung ++++ Hallo und herzlich willkommen zur neuen Episode des Podcasts „Data Science mit Milch und Zucker“! Im Podcast Nr. 33 geht es um den Einsatz von Data Science und chemometrischen Methoden zur Authentifizierung von Lebensmitteln und der Sicherung von Qualität. Zu Gast ist Natalie Gerhardt, Professorin für Analytische Chemie mit dem Schwerpunkt Chemometrie und Data Science. Sie ist Expertin im Bereich der Überprüfung der Authentizität und Echtheit von Lebensmitteln und gewährt uns tiefgehende Einblicke in die praktischen Herausforderungen sowie innovative Lösungsansätze – insbesondere durch den Einsatz von "Profiling"- oder "Fingerprinting"-Analysen, die zur Sicherstellung der Herkunft und Echtheit von Lebensmitteln beitragen. Natalie erklärt, wie in der Lebensmittelindustrie oft mit komplexen Datensätzen gearbeitet wird, die über 40.000 Variablen umfassen können. Dabei geht es darum, mit klassischen Methoden wie der Hauptkomponentenanalyse (PCA) und Klassifikationsalgorithmen wie der linearen Diskriminanzanalyse (LDA), die relevanten Muster zu identifizieren und Authentizität zu prüfen. Durch den Einsatz verschiedener chemometrischer Ansätze werden die Daten reduziert, wesentliche Informationen extrahiert und Korrelationen sowie verborgene Zusammenhänge aufgedeckt. Besonders bei hochwertigen Lebensmitteln wie Safran, Honig, Olivenöl und Fleisch wird die Gefahr von Fälschungen thematisiert, die immer raffinierter werden. Hier hilft der Einsatz von Data Science, um Fehlerquellen schnell zu erkennen und fälschungssichere Referenzdatenbanken aufzubauen. Die Datenqualität und die Probenplanung spielen eine entscheidende Rolle, um zuverlässige Ergebnisse zu erzielen. Dabei ist es wichtig, dass Data Scientists und Industriepartner gut zusammenarbeiten und die Ziele des Projekts klar kommuniziert werden. Natalie betont zudem die Bedeutung der Datenprozesse: Wie geht man mit Fehlwerten, Ausreißern und Rauschen in den Daten um? Sie hebt hervor, dass einfache Modelle oft besser geeignet sind als komplexe Deep Learning-Algorithmen, besonders bei kleineren Datensätzen. Zum Schluss gibt sie noch Tipps, wie man erfolgreich mit Data Science-Projekten arbeitet: Ziele klar definieren, den Workflow sorgfältig planen und vernetzt bleiben, um von den neuesten Entwicklungen in der Branche zu profitieren. Vielen Dank fürs Zuhören und viel Spaß mit der Episode! Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website: https://datamics.com/ Oder nimm an einem unserer zahlreichen Onlinekurse teil: https://www.udemy.com/user/datamics/ Um mit Natalie in Kontakt zu treten, besuche gerne ihr LinkedIn-Profil: https://www.linkedin.com/in/natalie-gerhardt

February 6, 2025

Wie A/B-Testing und KI Unternehmen transformieren

+++ Unsere 32. Podcast-Episode: Philipp Paraguya über digitale Transformation, KI und A/B-Testing +++ Hallo und herzlich willkommen zur neuen Episode des Podcasts „Data Science mit Milch und Zucker“! Heute freuen wir uns, Philipp Paraguya, Manager bei der ALDI Data & Analytics Services GmbH, als Gast zu begrüßen. Philipp ist ein erfahrener Experte für digitale Transformation und künstliche Intelligenz in Unternehmen. Mit seiner langjährigen Erfahrung in der Tech- und Beratungsbranche teilt er spannende Einblicke in die Implementierung von KI-Technologien und datengetriebene Entscheidungsfindung. In dieser Folge sprechen wir über die Bedeutung von A/B-Testing und datenbasierten Experimenten für Unternehmen. Philipp erklärt, warum A/B-Tests ein essenzielles Werkzeug für die Optimierung von Geschäftsprozessen sind – sei es im Marketing, in der Produktentwicklung oder bei der Automatisierung von Abläufen. Er gibt praxisnahe Tipps, wie Unternehmen ihre Tests strukturieren sollten, um aussagekräftige Ergebnisse zu erhalten, und zeigt auf, welche Fallstricke es zu vermeiden gilt. Außerdem diskutieren wir, welche Rolle KI bei der digitalen Transformation spielt und wie Führungskräfte ihre Teams optimal auf neue Technologien vorbereiten können. Philipp betont die Wichtigkeit von kontinuierlichem Lernen, iterativen Verbesserungen und einer datengetriebenen Unternehmenskultur. Wir freuen uns, euch in dieser Folge wertvolle Insights zu A/B-Testing, KI und digitaler Transformation zu geben. Vielen Dank fürs Zuhören und viel Spaß mit der Episode! Für mehr Informationen zum Thema Data Science, besuche gerne unsere Website: https://datamics.com/ Oder nimm an einem unserer zahlreichen Onlinekurse teil: https://www.udemy.com/user/datamics/ Um mit Philipp in Kontakt zu treten, besuche gerne sein LinkedIn-Profil: https://www.linkedin.com/in/philipp-paraguya

34 total episodes available

Deep-dive analytics for Data Science mit Milch und Zucker

Frequently asked questions

Have a different question and can't find the answer you're looking for? Reach out to our support team by sending us an email and we'll get back to you as soon as we can.

What is Data Science mit Milch und Zucker?: Deutschlands meistgehörter Data Science Podcast – jetzt reinhören, ganz ohne Anmeldung

Ob Data Science, Machine Learning oder künstliche Intelligenz – in diesem Podcast bekommst du mehr als nur Theorie. Prof. Dr. René Brunner liefert verständliche Einblicke in komplexe Themen und zeigt, wie Daten echte Wirkung entfalten. Praxisnah, aktuell und inspirierend.

Was dich erwartet: Jede Episode beleuchtet ein spannendes Thema – zusammen mit Expertinnen und Experten aus der Wirtschaft. Es geht um konkrete Anwendungsfälle, Best Practices und Trends direkt aus dem Unternehmensalltag.

Dein Host: Prof. Dr. René Brunner ist Professor an der Macromedia Hochschule, Gründer von Datamics und erfolgreicher Fachbuchautor. Über 50.000 Teilnehmer seiner Onlinekurse auf Udemy wissen: Er macht Data Science zugänglich – ohne unnötigen Fachjargon.

Sein neuestes Buch „Python – Schritt für Schritt Programmieren lernen“ richtet sich an Einsteiger und erfreut sich großer Beliebtheit.

Für wen ist der Podcast? Für Managerinnen und Manager, die Data Science verstehen und einsetzen wollen. Für Einsteigerinnen und Einsteiger, die sich einen fundierten Überblick über aktuelle Entwicklungen in deutschen Unternehmen verschaffen möchten.

Das sagt die Community: „Ich höre seit zwei Wochen – und fast hätte ich dank des Podcasts einen Job bekommen.“ „Spannende Einblicke in die Berufswelt, hilfreiche Tipps für den Einstieg.“ „Informativ, praxisnah und motivierend – ein echter Gewinn für die Data Science Community.“

Mehr über René Brunner auf LinkedIn: linkedin.com/in/renebrunner
How often does this podcast release new episodes?: This podcast updates bi-weekly.
Where can I listen to this podcast?: This podcast is available on 4 platforms including Apple Podcasts, Spotify, and more. You can also use the RSS feed directly.
Does this podcast accept guests?: No, this podcast does not typically feature guests.

Legal Disclaimer

Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.

All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.

We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.

While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at hey@podengine.ai for prompt review and appropriate action, which may include content removal or proper attribution.

By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.