Glossary, definitions, experts, communities and seminar categories
A
- A/B-Testing
- Aggregationen
- AI Agents
- AI Governance
- AI Risiko-Management
- Apache Airflow
- Apache Kafka
- Apache Spark
- Attention-Mechanismen
- Ausreißererkennung
- AWS Comprehend
- AWS Glue
- AWS SageMaker
- Azure Cognitive Services
- Azure Machine Learning
- Azure Synapse
B
- Batch Processing
- Berichtswesen
- BI-Architektur
- BI-Datenmodellierung
- BI-Governance
- BI-Sicherheit
- BigQuery
- Business Intelligence (BI)
- Business-Metriken
C
- Change Data Capture (CDC)
- Chatbot-Design
- Clustering
- Clustering von Tabellen
- Convolutional Neural Networks (CNN)
- Cross Validation
- Cyber Security
D
- Dashboard-Design
- Dashboarding
- Data Engineering
- Data Fabric
- Data Governance
- Data Lake
- Data Lakehouse
- Data Lineage
- Data Mesh
- Data Observability
- Data Science
- Data Storytelling im Management
- Data Warehouse
- Databricks
- DataFrames-Konzepte
- DataMart-Design
- Datenaugmentation
- Datenkataloge
- Datenmodellierung
- Datenpipelines
- Datenqualität
- Datensicherheit
- Datenstorytelling
- Datenvisualisierung
- DAX-Grundlagen
- DBSCAN
- dbt
- Decoder-only-Modelle
- Deep Learning
- Delta Lake
- Diffusionsmodelle
- Dimensionales Modellieren
- Dimensionsreduktion
- Drift-Erkennung
- Drillthrough-Techniken
E
- Echtzeit-Analytik
- ELT-Prozesse
- Embeddings
- Encoder-Decoder-Modelle
- Ensemble Learning
- Enterprise Reporting
- Entscheidungsbäume
- ETL-Prozesse
- Evaluationsmetriken für LLMs
- Event Processing
- Experimenten-Tracking
- Explainable AI (XAI)
- Explorative Datenanalyse (EDA)
F
- Feature Drift
- Feature Engineering
- Feature Extraction
- Feature Selection
- Few-Shot Learning
- Fine-Tuning
- Forecasting Analytics
- Foundation Models
G
- Generative Adversarial Networks (GANs)
- Generative AI
- Google AI Platform
- Google BigQuery Platform
- Google Vertex AI
- Gradient Boosting
- GRU-Netze
- Guardrails und Safety-Layer
H
I
J
K
- K-Means Clustering
- Keras
- Klassifikationsmodelle
- Knowledge Grounding
- KPI-Definition
- KPI-Systeme
- Künstliche Intelligenz
L
M
- M-Sprache Grundlagen
- Machine Learning
- Management-Reporting
- Measure-Design
- Metadatenmanagement
- Metrik-Design
- MicroStrategy
- ML Lifecycle Management
- ML-Experimentier-Workflows
- Model Serving
- Modellbereitstellung
- Modellevaluation
- Modellinterpretierbarkeit
- Modelltraining
- Modellüberwachung
- Modellvalidierung
- MongoDB
- Monitoring von Datenpipelines
- Multimodale Modelle
- MySQL
N
O
P
- Parameter-effizientes Fine-Tuning (PEFT)
- Parquet-Format
- Partitionierung von Daten
- Pipeline-Orchestrierung
- PostgreSQL
- Power BI
- Predictive Analytics
- Prescriptive Analytics
- Prompt Engineering
- Prompt-Optimierung
- Prompt-Templates
- Python
- PyTorch
Q
R
- R
- Random Forests
- Redshift
- Reduktion von Halluzinationen
- Regressionsmodelle
- Reinforcement Learning
- Rekurrente Netze (RNN)
- Representation Learning
- Responsible AI
- Retrieval-Augmented Generation (RAG)
- Row-Level Security
S
- Sampling-Methoden
- SAP BusinessObjects
- Scala
- Schema-Evolution
- Schema-Validierung
- Scikit-Learn
- Self-Attention
- Self-Service BI
- Semantische Schicht
- Semantische Suche
- Sentiment-Analyse
- Skalierung und Normalisierung
- Slowly Changing Dimensions
- Snowflake
- Snowflake Platform
- Snowflake-Schema
- Spaltenorientierte Speicherung
- SQL Server
- SQL-Optimierung
- Stammdatenmanagement (MDM)
- Star-Schema
- Statistische Analyse
- Statistisches Modellieren
- Stream Processing
- Supervised Learning
- Support Vector Machines (SVM)
T
U
V
- Variational Autoencoders (VAE)
- Vektor-Repräsentationen
- Verschlüsselung im Ruhezustand
- Verschlüsselung während der Übertragung