Data Conference Databasea Query.Farm index
Conferences / data2day

data2day 2023

Oct 11–13, 2023 · IHK Haus der Wirtschaft, Karlsruhe, Baden-Württemberg, Germany

Conference
data2day Data science & ML
Dates
Oct 11, 2023 – Oct 13, 2023
Venue
IHK Haus der Wirtschaft
Place
Karlsruhe, Baden-Württemberg, Germany
Format
In person
Status
Past
Attendance
—
Website
data2day.de
Recorded
6 sponsors · 53 speaker appearances
Notes
Conference 11-12 Oct, workshop day 13 Oct. Speakers: full programme as published.

Ticket prices

TicketPriceValid untilNotesSource
Conference ticket (blind bird)€799—Net price, excl. 19% VAT. Available until the programme went online (approx. end of June).web.archive.org
Conference ticket (regular)€899—Net price, excl. 19% VAT; price after the blind-bird period as stated in the shop.web.archive.org

Sponsors 6

Gold 3

Silver 2

Bronze 1

Speakers and talks 53

SpeakerCompanyRoleTalkLinks
Syed Atif AkhtarThoughtworksKeynoteKeynote: State of Data Mesh—
Abhik ModiRWETalkHow data can prevent blackout—
Alec SprotenE. BreuningerTalkHow to build data pipelines in the Cloud—
Alexander HendorfKönisgwegTalkPydantic: Datenvalidierung und Parsing leicht gemacht—
Anna WeißhaarinovexTalkFluid Scrum Teams in Data Products—
Ayesha ShafqatndaalTalkIntegrating Data-Privacy Through Pipelines—
Benjamin BolteadessoTalkHow data can prevent blackout—
Bernd FondermannbrainloungeTalkData Teams: Regulierung in Sicht!—
Christian WinklerdatanizingTalkVisualisierung mit Streamlit und Apache eCharts—
Clemens HübnerinovexTalkSicherheit, aber mit System: Threat Modelling für Datenplattformen—
Denis Stalz-JohncodecentricTalkSchnelles Experimentieren und reproduzierbares Machine Learning in der Praxis—
Dr. Michael ZimmerZurich InsuranceTalkML Ops und AI in der Praxis—
Dr. Nicolas HaubneresentriTalkDagster ♥ dbt: Erfahrungen aus dem Aufbau einer Big-Data-Plattform—
Emil Vinčazovićarelium GmbHTalkDas Spiel gegen die KI: Wie man den Algorithmus zum Narren hält—
Filip StepniakesentriTalkDagster ♥ dbt: Erfahrungen aus dem Aufbau einer Big-Data-Plattform—
Florian MairAmazon Web ServicesTalkPerform real-time analytics using open-source software with Amazon MSK—
Hannes RollinCapgeminiTalkSechs Gründe, warum Data Mesh scheitern kann—
Hauke BrammerDeepUp GmbHTalkMLOps mit Argo Workflows und Kubernetes—
Igor ShmelevProdatoSponsored talkImprove your data: Mit Machine Learning zur besseren Stammdatenqualität—
Jan HöllmerscieneersTalkVorhersage von Wärmebedarfen mit Temporal Fusion Transformern—
Jannis StegmannInterSystemsSponsored talkTuning für Ihre Analytics-Anwendungen – Columnar Storage ohne Änderungen am Code nutzen—
Jochen ChristINNOQTalkData Mesh Governance—
Julian KurzHMS Analytical SoftwareTalkChatGPT mit vertraulichen Unternehmensdaten nutzen? Ein Erfahrungsbericht aus der Praxis—
Larysa VisengeriyevaINNOQTalkArchitecting MLOps: Von der AI-Strategie zur MLOps-Plattform—
Lea PettersinovexTalkDaten & KI-Strategie: Warum man einen Bauplan braucht, um KI-Lösungen zu bauen, die dem Hype standhalten—
Leonard PüttmannKern AITalkVerwandeln Sie Ihre Slack-Channel in eine Wissensdatenbank – mithilfe großer Sprachmodelle!—
Lisa MaagGfKTalkData Science Practices: The Good, the Bad, and the Successful—
Mamoona AslamndaalTalkIntegrating Data-Privacy Through Pipelines—
Martin DannerscieneersTalkVorhersage von Wärmebedarfen mit Temporal Fusion Transformern—
Matthias NiehoffcodecentricTalkEin Data-Stack für Normalsterbliche—
Matthias NiehoffcodecentricWorkshopdata build tool (dbt) für Anfänger und Fortgeschrittene—
Matthias NiehoffcodecentricTalkKomplexität reduzieren – Machine Learning einfacher & schlichter—
Melanie B. SiglProdatoSponsored talkImprove your data: Mit Machine Learning zur besseren Stammdatenqualität—
Miriam BressanRed HatTalkDie Bedeutung von OPEN für Data Science und Künstliche Intelligenz—
Niklas HaascodecentricWorkshopdata build tool (dbt) für Anfänger und Fortgeschrittene—
Nikolas HerrmannBreuningerTalkDevDataOps: Durch Verantwortung für Daten bessere Produkte entwickeln—
Olimbia QirjaqiAmazon Web ServicesTalkPerform real-time analytics using open-source software with Amazon MSK—
Oliver BrachteodaTalkFederated Learning: Künstliche Intelligenz und Datenschutz vereint—
Olivier BénardE. BreuningerTalkHow to build data pipelines in the Cloud—
Patrik HartlZurich InsuranceTalkML Ops und AI in der Praxis—
Rostislaw KrassowRationalTalkSicherheit, aber mit System: Threat Modelling für Datenplattformen—
Sebastian HeroldZalandoTalkMetadatenautomation im Data Mesh—
Sebastian LöfflathinovexTalkVon Chaos zu Erfolg: Datenqualität beherrschen—
Simon HarrerINNOQTalkTest-driven Development mit dbt—
Sönke LiebauStackableTalkVon 0 zur Datenplattform mit nur einem Kommando—
Stefan IgelStackableTalkMarispace-X: Ein digitales Daten-Ökosystem des Ozeans—
Stefan KühnStefan Kühn AI CoachingTalkThe (data) platform fallacy—
Thomas BierhanceBettercallPaulTalkPolars: Der Turbo Boost für Dataframes—
Thomas BierhanceBettercallPaulWorkshopPraxisworkshop Polars: Der Turbo Boost für Dataframes—
Tim BossenmaierBytefabrik.AITalkVon Chaos zu Erfolg: Datenqualität beherrschen—
Tobias BrandtPRQLTalkPRQL: A Modern Language for Data Transformation—
Tobias MaaslandinovexTalkFluid Scrum Teams in Data Products—
Tobias SachonBettercallPaulWorkshopPraxisworkshop Polars: Der Turbo Boost für Dataframes—

Sources