Newsroom

Wie war Heapcon 2022?

Die persönlichen Konferenzen, erinnern Sie sich noch daran?

Die Heapcon ist immer eine gute Idee, wenn Sie unsere Entwickler fragen. Angesehene Redner, interessante Themen und viele Möglichkeiten, von Kollegen aus der Branche zu lernen. Nach ein paar Jahren Pause wegen der Pandemie hatten wir endlich die Gelegenheit, persönlich mit Kollegen aus anderen IT-Unternehmen zu sprechen.

Dieses Jahr war für Createq sogar noch besonderer, da wir die Chance hatten, unsere ganz eigene Rednerin auf der Bühne zu sehen - Bojana Andjelkovic Cirkovic, Data Scientist aus unserer Niederlassung in Kragujevac.

Sie nutzte ihren starken Forschungshintergrund im Bereich der erklärbaren künstlichen Intelligenz und ihre 7-jährige Erfahrung in der Bereitstellung datengesteuerter Lösungen für anspruchsvolle Probleme, um ihren Vortrag "Work smart not harder: Einsatz intelligenter Dokumentenmanagementsysteme in der Luftfahrt".

Herausforderungen bei der Digitalisierung der Luftfahrtindustrie

Wenn Sie etwas Erfahrung in der Luftfahrtindustrie haben, ist Ihnen wahrscheinlich bekannt, dass die Digitalisierung und umfassende Überprüfung von technischen Flugzeugdokumenten als ultimative Ziele moderner Dokumentenmanagementsysteme zur Unterstützung der Übergabe von Flugzeugen an Leasinggeber definiert sind. Leider sind die meisten Wartungsunterlagen von Flugzeugen immer noch physisch vorhanden, und eine vollständige Übersicht und Lückenanalyse dieser Unterlagen ist erforderlich, um sicherzustellen, dass die endgültige Auslieferungsbibel in Ordnung ist.

Maschinelle Lernmodelle zur Dokumentenklassifizierung und Merkmalsextraktion können helfen, Eingabefehler zu reduzieren.

Bojana Andjelkovic Cirkovic, Datenwissenschaftlerin bei Createq

Bojana präsentierte die Idee, dass Lösungen für künstliche Intelligenz und maschinelles Lernen für die automatisierte Datenstrukturierung und die automatische Verknüpfung von Dokumenten die Effizienz steigern können, was zu erheblichen Kosten- und Zeiteinsparungen führt. Sie erläuterte, wie Modelle des maschinellen Lernens für die Klassifizierung von Dokumenten und die Extraktion von Merkmalen dazu beitragen können, Eingabefehler zu reduzieren und die Fähigkeit zu erhöhen, täglich fundierte Entscheidungen für eine Flugzeugübergangsanlage zu treffen.