Python ist "die" Sprache der Wahl, wenn es um Machine Learning geht. Leicht zu lernen, gut lesbare Syntax und ein riesiges Ökosystem. Warum sollte ich mich da mit einer anderen Sprache beschäftigen? Und warum gerade mit Kotlin?

In diesem Vortrag gebe ich euch einen Überblick, wie ihr Kotlin in jeder Phase eures Machine-Learning-Projekts einsetzt. Von Data Cleaning und Feature Extraction bis zum Deployment des Modells in Produktion und Model Serving. 

Außerdem stelle ich euch eine Reihe von Tools aus dem Kotlin-Ökosystem vor, die wir für unsere Data-Science-Projekte verwenden können. Wir werden über Kotlin in Jupyter-Notebooks, Visualisierungen und Dataframes sprechen.

Und darüber, ob Kotlin es Data Scientists ermöglichen kann, Modelle für die Produktion und nicht nur für PoCs zu erstellen.