GoDataDriven' 2020 Schulungsleitfaden

Machen die Fortschritte der Cloud-Technologie die Fähigkeiten von Data Engineering und Data Science obsolet? Weit gefehlt. Ohne zu wissen, was unter der Haube vor sich geht, ist es unmöglich, die maximale Leistung zu erzielen. Das Verständnis, die Kontrolle und die Nutzung der vollen Leistungsfähigkeit von Cloud-Tools machen aktuelle Daten- und KI-Kenntnisse wichtiger denn je.

Es gab eine Zeit, die noch gar nicht so lange zurückliegt, als die Komplexität der Installation und Pflege einer Big Data-Infrastruktur und des Codes unsere Kurse zu einem wesentlichen Schritt auf dem Weg zum datengetriebenen Unternehmen machte. Wir schulten Hadoop-Experten von Amsterdam über Dubai bis Bangalore!

Dann starteten Cloud-Anbieter im Bereich Daten und KI durch. Jetzt kann jeder Empfehlungen aus Kundendaten erstellen oder Katzen auf Ihren Urlaubsfotos erkennen - was die Frage aufwirft: Ist die Beherrschung von Data Science und Engineering noch relevant, wenn man diese Aufgabe in die Cloud auslagern kann?

Und alles ändert sich wieder. Bei all den Vorteilen, die die Auslagerung unserer Algorithmen in die Cloud mit sich bringt, ist es wichtiger denn je, das Steuer in der Hand zu behalten. Hier sind drei Gründe dafür:

1. Der Mangel an Transparenz oder Voreingenommenheit bei algorithmischen Entscheidungen hat bei zahlreichen Gelegenheiten zu öffentlicher Empörung geführt - die Diskriminierung von Frauen bei der Beantragung der Apple Card durch Apple ist ein aktuelles Beispiel. Sie können den Algorithmus nur kontrollieren, wenn Sie ihn optimieren und modifizieren können, um die damit verbundenen ethischen Fragen zu klären. Wenn Sie verstehen, was unter der Haube passiert, selbst wenn Sie AI-as-a-Service nutzen, können Sie die Kontrolle behalten.
2. Im Jahr 2020 wird das Internet der Dinge jeden Monat 4 TB an Daten pro Person erzeugen. Sie alle zu speichern wäre viel zu teuer, aber wir können maschinelles Lernen auf die Geräte anwenden, die sie erzeugen, und nur die Erkenntnisse behalten. Derzeit verfügt iOS über ein Framework, das die Modelle Ihrer Datenwissenschaftler importiert und in Ihre App einbettet.
3. Beim Transfer-Lernen wird ein hochentwickelter Algorithmus an Ihren Anwendungsfall und Ihre Daten angepasst. Da es weniger Trainingsbeispiele und Rechenleistung erfordert, ist es erschwinglich, es intern durchzuführen.

Diese Trends machen Datenwissenschaft und technische Fähigkeiten wichtiger denn je.

Daher freue ich mich, Ihnen den brandneuen GoDataDriven-Schulungsleitfaden vorstellen zu können. Sie finden ihn unter xebia.com/blog/godatadriven-2020-training-guide.

Der Leitfaden spiegelt einen Lehrplan wider, der von den besten Fachleuten auf diesem Gebiet entwickelt und gelehrt wurde, wobei der Pragmatismus im Vordergrund steht - was Sie heute lernen, können Sie morgen anwenden.