Datastrategie, middelen en mensen

Artificial Intelligence begrijpen

Maarten Van den Broeck

Senior Content Developer at DataCamp

Datastrategie en governance

Datastrategie: het bedenken en ontwikkelen van manieren om informatie uit data te halen en zakelijke beslissingen te nemen.

Stappen voor een datastrategie:

Datagerichte doelen stellen
Zoek de benodigde gegevens op
Bepaal de gegevensbronnen en -types
Voorspellende en prescriptieve analyse
Zet datagestuurde processen op

Datagerichte doelen stellen

Zoek de benodigde gegevens op

Bepaal gegevensbronnen en -typen

Voorspellende en prescriptieve analyse

Gebruik maken van datagestuurde processen

AI-infrastructuur

Cloudgebaseerde AI-infrastructuur

Schaalbare computerbronnen, gegevensopslag, AI-tools en kant-en-klare modellen
Flexibel, op aanvraag

Google Cloud, Azure and AWS

Voordelen: super schaalbaar, kosteneffectief
Nadelen: datalocatie, je hebt internet nodig

AI-infrastructuur op locatie (zelf gehost)

Bedrijven hebben hun eigen hardware, software, data en netwerkbronnen om AI-activiteiten te ondersteunen.

On-premises infrastructuur

Voordelen: betere gegevenscontrole, minder vertraging
Nadelen: kosten vooraf, lastig uitbreiden

MLOps-methode

Machine Learning Operations (MLOps): efficiënt en betrouwbaar beheer en gebruik van ML (AI)-systemen in het bedrijf

MLOps-methode

Machine Learning Operations (MLOps): efficiënt en betrouwbaar beheer en gebruik van ML (AI)-systemen in het bedrijf

MLOps-methodologie stappen

AI-gerelateerde functies

AI Architect

AI-architect

Datawetenschapper

Datawetenschapper

Machine learning- en data-engineer

Machine Learning Engineer

Anderen: AI Ethicist, Project Manager

Andere AI-functies

Je AI-team samenstellen

Leiderschap en management

AI-manager / teamleider
AI-projectmanager(s)

Uitvoering

AI-architecten: de juiste tools kiezen
Datawetenschappers: gegevens analyseren en modellen trainen en evalueren
ML- en data-engineers: modellen in productie zetten en datapijplijnen bouwen

Ondersteuning

Een team samenstellen

Je AI-team samenstellen

Leiderschap en management

AI-manager / teamleider
AI-projectmanager(s)

Uitvoering

AI-architecten: de juiste tools kiezen
Datawetenschappers: data-analyse en modellen trainen en evalueren
ML- en data-engineers: modellen in productie zetten en datapijplijnen bouwen

Ondersteuning: AI-ethicus; domeinexperts

Een team samenstellen

Laten we oefenen!

Artificial Intelligence begrijpen