Datenstrategie, Ressourcen und Menschen

Künstliche Intelligenz verstehen

Maarten Van den Broeck

Senior Content Developer at DataCamp

Datenstrategie und -verwaltung

Datenstrategie: Entwicklung datenzentrierter Ansätze für Informationsgewinnung und Entscheidungen

Schritte der Datenstrategie:

  1. Datenorientierte Ziele setzen
  2. Ermitteln der notwendigen Daten
  3. Bestimmen von Datenquellen und -typen
  4. Prädiktive und präskriptive Analyse
  5. Datengesteuerte Prozesse

Datenorientierte Ziele setzen

Ermitteln der benötigten Daten

Datenquellen und -typen bestimmen

Prädiktive und präskriptive Analyse

Operationalisierung datengesteuerter Prozesse

Künstliche Intelligenz verstehen

KI-Infrastruktur

Cloud-basierte KI-Infrastruktur

  • Skalierbare Rechenressourcen, Datenspeicher, KI-Tools und Modelle
  • Elastisch, bei Bedarf

Google Cloud, Azure and AWS

  • Vorteile: hochskalierbar, kosten-effizient
  • Nachteile: Standort, Internetzugang

KI-Infrastruktur vor Ort (selbst gehostet)

  • Unternehmen besitzen Ressourcen zur Unterstützung von KI

Infrastruktur vor Ort

  • Vorteile: verbesserte Datenkontrolle, geringere Latenzzeit
  • Nachteile: Vorlaufkosten, begrenzte Skalierbarkeit
Künstliche Intelligenz verstehen

MLOps-Methodik

Machine Learning Operations (MLOps): effizientes und zuverlässiges Management und Betrieb von ML (KI) Systemen im Unternehmen

MLOps-Methodik

Künstliche Intelligenz verstehen

MLOps-Methodik

Machine Learning Operations (MLOps): effizientes und zuverlässiges Management und Betrieb von ML (KI) Systemen im Unternehmen

MLOps Methodikschritte

Künstliche Intelligenz verstehen

KI-bezogene Rollen

KI-Architekt

KI-Architekt

Data Scientist

Data Scientist

Machine Learning und Data Engineer

Machine Learning Engineer

Andere: KI-Ethiker, Projektmanager

Andere KI-Rollen

Künstliche Intelligenz verstehen

Aufbau deines KI-Teams

Führung und Management

  • KI-Manager/Teamleiter
  • KI-Projektleiter

KI-Ausführung

  • KI-Architekten: Auswahl der Werkzeuge
  • Data Scientists: Daten analysieren, Modelle trainieren und bewerten
  • ML & Data Engineers: Modelle einführen, Datenpipelines aufbauen

Support

Ein Team aufbauen

Künstliche Intelligenz verstehen

Aufbau deines KI-Teams

Führung und Management

  • KI-Manager/Teamleiter
  • KI-Projektleiter

KI-Ausführung

  • KI-Architekten: Auswahl der Werkzeuge
  • Data Scientists: Daten analysieren, Modelle trainieren und bewerten
  • ML & Data Engineers: Modelle einführen, Datenpipelines aufbauen

Support: KI-Ethiker; Fachexperten

Ein Team aufbauen

Künstliche Intelligenz verstehen

Lass uns üben!

Künstliche Intelligenz verstehen

Preparing Video For Download...