What AI Means to a Data Scientist?
Was AI für einen Datenwissenschaftler bedeutet?
Künstliche Intelligenz, ein Teilgebiet der Informatik, befasst sich mit der Automatisierung intelligenten Verhaltens und maschinellem Lernen – soweit die gängige Definition.
- Wie oft haben Sie sich mehr Stunden am Tag gewünscht, damit Sie mehr Aufgaben erledigen können?
- Was wäre, wenn einige dieser datenwissenschaftlichen Aufgaben mithilfe von KI automatisiert werden könnten, wodurch die Produktivität in der Datenwissenschaft erhöht würde, um mehr KI-Anwendungsfälle zu bewältigen?
- Wenn Sie als Data Scientist dies lesen, was sind einige der grundlegenden oder sich wiederholenden Aufgaben, die Sie gerne automatisiert sehen möchten?
Ein Hauptziel der Automatisierung von KI oder maschinellem Lernen besteht darin, dass Maschinen Aufgaben für Sie erledigen, wodurch Zeit für die Konzentration auf komplexere Aufgaben mit höherem Wert frei wird. Es gibt jedoch einfach nicht genug Datenwissenschaftler auf der Welt, um das KI-Potenzial zu nutzen. Datenwissenschaftler, die KI-Anwendungen erstellen, benötigen zahlreiche Fähigkeiten – Datenvisualisierung, Datenbereinigung, Auswahl und Diagnose künstlicher Intelligenzalgorithmen.
Die Automatisierung von Data Science-Aufgaben lässt Raum, um mehr KI-Anwendungen mit der gleichen Menge an Data Science-Ressourcen zu erstellen. Zum Beispiel gibt es eine Fülle von Software-Tools, um automatisch Vorhersagemodelle aus relationalen Daten zu entwickeln, und laut Gartner „werden 2020 mehr als 40 % der Data Science-Aufgaben automatisiert, was zu erhöhter Produktivität und breiterer Nutzung durch Datenwissenschaftler führt.“ Bis dahin beobachten wir in einer anderen Gartner-Umfrage, dass Organisationen verschiedene Aufgaben in der Machine-Learning-Pipeline auslagern.
Birst Expertin Mona Patel hat dazu Senior Vice President und Chief Scientist Ziad Nejmeldeen, der die Dynamic Science Labs von Birst leitet, gefragt, was sein Team von Datenwissenschaftlern im Bereich ML-Automatisierung und KI macht und wo er das Potential für die Übernahme von Datenforschungsaufgaben sieht, um seine Organisation besser zu skalieren.
Sie zeigt weiters anhand eines Workflow-Beispiels, wie die Entwicklung analytischer Lösungen geht.
Mona Patel works in Birst’s Product Strategy team. With more than 20 years of experience building analytic solutions at The Department of Water and Power, Air Touch Communications, Oracle, MicroStrategy, EMC and IBM, Mona is now growing her career at Birst. Mona received her Bachelor of Science degree in Electrical Engineering from UCLA.
Mona Patel, BSc. | Product Strategy | Birst, an Infor company
