Ailionauten - KI ist (k)eine Raketenwissenschaft

Effiziente Projektplanung im Data Science und Data-Engineering In dieser Episode diskutieren David und Janis die Unterschiede und Gemeinsamkeiten zwischen Data Science und Data Engineering. Sie beleuchten die Projektplanung, die Bedeutung von Code-Qualität, Testing-Strategien und die Herausforderungen bei der Entwicklung in verschiedenen Umgebungen. Zudem wird der Wert von Data Science Projekten und die Rolle von Vibe-Coding in der Softwareentwicklung thematisiert.

Chapters

00:00 Einführung und erste Eindrücke von PyCon.de 03:01 Highlights und technische Themen der PyCon 06:01 Einführung in Large Language Models (LLMs) 09:09 Herausforderungen und Chancen bei der Arbeit mit LLMs 12:04 KI-Literacy und Change-Management in Unternehmen 14:50 Vorteile der eigenen GPT-Plattform 18:01 Anwendungsbeispiele und Automatisierung durch LLMs 21:06 Zukunftsausblick und Entwicklungen im Bereich KI 25:12 Entwicklung des internen Chatbots 30:45 Übergang zur Open Source Community 34:41 Open Web UI als Lösung 39:09 Wissensmanagement und interne Daten 45:38 Herausforderungen der Datenqualität 47:37 Fazit und Ausblick auf die Zukunft

Endlich mal wieder eine Folge von David und Janis!

In dieser Folge Sprechen Tim und Janis kurz über die letzten Tage. Darunter insbesondere auch die Punkte: Was war die beste Pizza? Wie war die diesjährige Data Unplugged? Ansonsten ist der Name Programm: Was sind eigentlich Faktenchecks? Wer führt sie durch? Wie funktionieren sie? Wie sieht es bei den Community Notes aus? Kann Open Source hier eine Lösung sein? Und einiges anderes zu diesem Themenkomplex.

Im Vorfeld der kommenden Bundestagswahl sprechen Tim und David über die Statistik von Wahlumfragen und analysieren, wie sie zu deuten sind. Im Vorfeld der kommenden Bundestagswahl sprechen Tim und David über die Statistik von Wahlumfragen und analysieren, wie sie zu deuten sind. Es geht neben den statistischen Grundlagen, die für eine gute Wahlumfrage zu beachten sind auch um weiterführende Themen wie Zeitreihenanalyse und den Umgang mit Unischerheiten in Machine Learning Modellen.

In dieser Folge sprechen unser Ur-Ailionaut Janis und unser Ailionauten Neuling Tim über HotDog Tipps und Datenplattformen. Behandelt werden u.a. Fragen wie: Welche Entscheidungen und Fragestellungen führen zu einer Datenplattform? Infrastruktur first oder hangeln wir uns von Use-Case zu Use-Case? Welche Vorteile bieten managed Lösungen wie Databricks? Und vieles mehr.

Takeaways

-Der Wechsel von der Wissenschaft zur Industrie kann herausfordernd sein. -Die Promotion erfordert Durchhaltevermögen und hohe Belastbarkeit. -Data Science erfordert sowohl technische Fähigkeiten als auch -Kommunikationskompetenz. -Teamarbeit ist in der Industrie oft strukturierter als in der Wissenschaft. -Die Nutzung von KI in der Forschung eröffnet neue Möglichkeiten. -Praktische Erfahrungen sind entscheidend für den Erfolg in der Industrie. -Die Fähigkeit, komplexe Probleme zu lösen, ist in beiden Bereichen wichtig. -Ein gutes Verständnis von Statistik ist für Data Scientists unerlässlich. -Die Arbeitskultur in der Industrie ist oft dynamischer und schnel...

Was hat es mit Feature Selection und Feature Engineering auf sich?

Summary: In this conversation, Aleksander Fegel and Dr. David Geisel discuss the critical aspects of feature selection and engineering in data science. They explore the importance of understanding features, the role of data quality, and the necessity of engaging with domain experts. The discussion covers various methods of feature selection, including filter methods, wrapper methods, and embedded methods, emphasizing the need for simplicity and clarity in model building. The conversation concludes with insights on how to effectively interpret model predictions and the significance of collaboration in data science...

Unser Kollege David hat fast 2 Jahre eine SAS zu Azure Databricks Migration begleitet. Dabei sind viele Learnings sowohl auf technischer als auch auf menschlicher & Change Management Ebene entstanden. Diese möchten wir im Podcast gerne mit euch teilen um zukünftige Migrationen zu vereinfachen und echte Insights zu geben.

In dieser Folge diskutieren Janis und ich Ailio interne Prozesse und unsere Erfahrungen mit Kundenworkshops. Dabei geht es unter anderem um die Frage ob ein erster Workshop kostenlos sein sollte und welche Gründe dagegen sprechen sowie allgemein um das Thema Commitment bei Data-Science Projekten.

Wie man OpenAI auf Azure in Kombination mit einer smarten Suche einsetzen kann Marcel Meier von Portal Systems ist bei uns zu Gast und Spricht über das gemeinsame Projekt zur Entwicklung eines Chat-Assistenten für Portal-Systems.

In dieser Folge diskutieren Dr. David Geisel und Janis über Word Embeddings. Dabei werden eine Vielzahl an Themen beleuchet: Was sind Word Embeddings, wie findet man sie, wie kann mit den Vorurteilen umgegangen werden, der durch unsere Sprache transportiert wird, wie werden Embeddings in modernen Suchen eingesetzt und einige andere Themen. Es ist unsere Bislang längste Folge, quasi ein Blockbuster im Kosmos des Ailionauten Podcasts!

Janis und David sprechen über die Reise vom ersten Workshop zum produktiven Datenprodukt. Es geht darum wie man möglichst schnell echten Mehrwert generiert und in Produktion bekommt. Dabei ist die Kunst selbst in widrigen Umständen und Projektumgebungen nutzbare Ergebnisse zu generieren und den Weg zum datengetriebenen Unternehmen zu ebnen.

Wir sprechen über App-Entwicklung, wie man mit Fehlern umgeht und welche Ansätze es für ML Frameworks gibt. In dem Gespräch diskutieren der YouTuber und IOS Entwickler Kevin Chromik und Janis über Kevins Entwicklungsarbeit bei seinem Arbeitgeber WaipuTV, einschließlich der Zusammenarbeit zwischen iOS- und Backend-Teams. Es gibt auch einen Ausflug in die Implementierung von KI-Use Cases wie Bilderkennung auf iOS-Geräten mithilfe von Apple's ML Core Framework. Sie tauschen auch persönliche Erfahrungen aus, darunter Herausforderungen bei der Arbeit mit einem kleinen Team und dem Umgang mit Fehlern. Schaut gerne bei Kevin Chromik vorbei: https://www.youtube.com/@Kev...

Auf Basis einer LinkedIn Umfrage haben wir uns die Frage gestellt, in welchen Bereichen KI eigentlich das größte Potenzial entfaltet und warum? Außerdem reden wir auch über Stolpersteine sowie Vor- und Nachteile der einzelnen Geschäftsbereiche wie: -HR -Ressourcenplanung -Produktionsprozesse -Marketing

Titel: Jahresrückblick und Pläne für das nächste Jahr

In dieser Podcast-Episode reflektieren die Hosts Alex und Janis das vergangene Jahr und blicken auf das kommende Jahr voraus. Sie beginnen mit einer lockeren Unterhaltung über Schach und Wetten, bevor sie sich den geschäftlichen Themen zuwenden.

Highlights des vergangenen Jahres:

Große Industrieprojekte: Sie haben einige große Projekte erfolgreich abgeschlossen, darunter mit Ingredien und Wöhler. Diese Projekte wurden auf großen Events präsentiert, was die Zufriedenheit und das Vertrauen der Kunden unterstreicht. Netzwerkerweiterung: Neue Kontakte wurden geknüpft und Proj...

In dieser Episode unterhalten sich Alex und Janis darüber, wie eine Job-Plattform der Zukunft aussehen kann und welche Chancen und Risiken es gibt, Künstliche Intelligenz im Recruiting einzusetzen. Dabei versuchen wir drei KI basierte Killer-Features für Job Plattformen zu finden.

Wir stellen den unsupervised Machine Learning Algorithmus vor! David versucht zu erklären was K-means Clustering bedeutet und Janis hakt bei jedem Buzzword nach, was es genau bedeutet. Im Podcast erfahrt ihr, wofür K-means angewendet wird, welche Vor- und Nachteile das ganze hat wie man es in der Praxis anwenden kann.

Im Podcast zu Gast war Kai Wähner https://www.linkedin.com/in/kaiwaehner/ , ein Field CTO bei Confluent. Wir reden sowohl kurz über seine Rolle als Field CTO, als auch über Kafka sowie um ein Tooling um Kafka herum. Dabei klären wir auch Fragen, ob Kafka vielleicht sogar als Datenbank genutzt werden kann, oder auch wie Kafka im Bereich Data Science eingesetzt werden kann. Aufmerksam auf ihn geworden bin ich über seinen herausragenden Blog www.kai-waehner.de

Janis und Alex tauschen sich darüber aus wie das Jahr 2022 für Ailio gelaufen ist und welche spannenden Entwicklungen sich im Bereich Data-Science und KI gezeigt haben!

Inklusive einem kleinen Abstecher in den Low-Code und No-Code Bereich

Janis und Alex sprechen über die Möglichkeiten und Herangehensweise um Data-Science in normalen mittelständischen Unternehmen einzusetzen. Außerdem gibt es einen kleinen Abstecher in den Bereich Low-Code und No-Code.

David erklaert uns heute die Principal Component Analysis (PCA) und gibt spannende Einblicke in moegliche Anwendungsbereiche. Janis und David sprechen über die PCA und ergründen mögliche Anwendungsgebiete.

Einblicke in die Arbeit und Projekte als Werkstudent

Julien Akay ist seit 1,5 Jahren Werkstudent bei der Ailio GmbH nachdem er seine Bachelor Arbeit bei uns geschrieben hat. Julien interviewt Ihn in diesem Podcast zu seinen Projekten und wie die Arbeit mit seinem Studium zusammenspielt. Die Jungs zeigen spannende Einblicke hinter die Kulissen unserer Arbeit!

Austausch und Erfahrungswerte bei Ailio In einem Interview zwischen Dr. David Geisel und Janis Gösser tauschen sich beide darüber aus, wie es David zu Ailio verschlagen hat, worauf wir beim Data-Science Bewerbungsinterview achten und wie Davids Weg war.