KI und Machine Learning ausprobieren

 

Ich habe ja bei LinkedIn Learning (LiL) diverse Training zu KI, aber auch  Big Data, Maschinenlernen und Datenanalyse veröffentlicht. Aktuell bin ich auf einen extrem spannenden Ansatz von Google gestoßen, wie man Künstliche Intelligenz und Maschinenlernen direkt im Browser mehr oder weniger spielerisch ausprobieren kann. „KI und Machine Learning ausprobieren“ weiterlesen

KI-Update bei Python für die Datenanalyse 1: Grundlagen

Es ist schon eine kleine Weile her, seit ich den US-Kurs zu Big Data, Maschinenlernen und Datenanalyse meiner amerikanischen Kollegin Lillian Pierson ins Deutsche adaptiert habe und er unter Python für die Datenanalyse 1: Grundlagen bei LinkedIn Learing veröffentlicht wurde. Er ist immer noch einer meiner bestgehenden LiL-Kurse, aber die ganzen Entwicklungen rund um künstliche Intelligenz haben mich zu einem kleinen KI-Update veranlasst. Obwohl es auch zu der Zeit der ursprünglichen Aufnahme natürlich schon sehr leistungsfähige und fortgeschrittene KI gab, war es da ein Randthema für Nerds. ChatCPT & Co haben das geändert und KI ins tägliche Leben der Masse katapultiert. Deshalb machte es m.E. viel Sinn, einmal die Grundlagenbedeutung von Big Data, Maschinenlernen und Datenanalyse für KI aufzunehmen also auch den Tipp, wie umgekehrt KI bei diesen Grundlagenthemen selbst helfen kann.

Künstliche Intelligenz und Überwachung – sehenswerter, wichtiger Beitrag auf ZDF Info

Bei ZDF Info ist ein sehr guter, informativer und ziemlich beunruhigender Beitrag zum Thema „Künstliche Intelligenz und den Wettlauf der Großmächte“ zu finden. Weniger technisch, aber die Auswirkungen auf die Arbeitswelt und vor allen Dingen auf die Privatsphäre werden da beleuchtet. Mit den „üblichen“ Ausführungen zu der kompletten Spionage durch Facebook, Google und Co über ihre Webseiten als auch die sogenannten „Smart“-Geräte (Synonym für Wanzen), aber auch wie Staaten versuchen, mit Überwachung als auch KI (oder auch kurz AI für artifizielle Intelligenz oder englisch AE für artificial intelligence) das ganze Volk unter komplette (Gedanken-)Kontrolle zu bekommen (und leider tut sich da gerade China ziemlich negativ hervor). Aber es wird auch vertieft, wie man durch (as-)soziale Medien gezielt manipulieren kann. Die damalige Cambridge-Manipulation der US-Wahl durch Facebook-Daten als Aufhänger, wird auch das Thema weiter gesponnen.

Alles in allem beunruhigende Vorstellungen, ich mich sowohl als reines Opfer (Bürger bzw Kunde bzw einfach Mensch) betreffen, aber zudem meine eigene Arbeit berühren. Denn ich verdiene ja durchaus an Techniken wie Künstlicher Intelligenz, Datenauswertung im Allgemeinen, Data Science oder Big Data und Maschinenenlernen sowie Datenanalyse. Sei es durch Videotraining bei LinkedIn Learning (LiL), sei es durch Schulungen, die in dem Umfeld ablaufen (gerade heute habe ich ein Vorabgespräch zu so einer Schulung gehabt).

Ich habe definitiv kein schlechtes Gewissen dabei, denn per se sind die Techniken nicht schlecht oder böse. Aber man muss verdammt wachsam sein, dass sie nicht missbraucht werden und wo sie es schon werden – sei es bei Facebook, Google, Apple, Amazon oder auch Staaten, muss man dies immer wieder deutlich machen. Das gilt gerade für Leute für mich, die zumindest im weiteren Zirkel der Entwicklung aktiv sind.

Es gibt einfach zu viele Eloi in der Welt und die Morlocks haben zu leichtes Spiel.

Und was ich gerade beim Schreiben des Beitrags nur beiläufig bemerkt habe – in meinem Firefox Browser war plötzlich die Standardsuchmaschine von DuckDuckGo auf Bing umgestellt. Die Jäger versuchen wirklich mit allen Tricks Opfer zu erlegen. Eine Sekunde nicht aufgepasst und man verwendet keine sichere Suchmaschine wie DuckDuckGo mehr, sondert landet mit Suchanfragen bei einer Datenkrake.

Uffbasse Leute, uffbasse!

 

Python für die Datenanalyse: Grundlagen

Da isses ja! Im letzten Nov aufgenommen und jetzt brandneu veröffentlicht.


Python für die Datenanalyse: Grundlagen


Mein neustes Online-Training bei LinkedIn Learning – eine Adaption eines US-Trainings – dreht sich um Big Data und die Auswertung und Analyse von Daten sowie deren Manipulation, Transformation und ihrer sinnvollen Aufbereitung über Python samt seinen diversen Bibliotheken. Neben dem allgemeinen Verständnis für Data Science und Big Data werden auch Tools und Bibliotheken wie Anaconda, das Jupyter Notebook oder Numpy und Pandas behandelt.

Für Eltern erklärt

Wenn mir nicht der Rücken ständig zwicken würde, müsste ich wohl noch ziemlich jung sein. Denn mir ist durchaus geläufig, was ein Data Scientist macht bzw. dieses Modewort bezeichnet.

Anscheinend muss man das Leuten, die in dem Alter sind, dass sie (theoretisch) Kinder oder gar Enkel haben können, erst einmal erklären. Fällt in Spiegel Online unter die Kategorie „Berufe für Eltern erklärt“.

Na sowas – und warum erkläre ich mit meinem Alter in dem neusten Training, das ich die letzten Tage bei LinkedIn Learning in Graz aufgenommen habe, den Jungen (aber natürlich nicht nur denen) erst einmal, wie ein Data Science bzw. Data Analyst das machen kann, was er dann wieder den Eltern und Großeltern erklären soll?

Das war es wieder einmal

Die Aufnahmen bei LinkedIn Learning sind fertig. Morgen früh geht es mit dem Flieger von Graz zurück nach Hause. Ich habe dieses Mal eine Adaption eines US-Trainings zum Thema „Big Data und Data Science mit Python“ eingespielt. Allerdings ziemlich von den Schwerpunkten umstrukturiert. Und im Januar soll eine Fortsetzung Richtung „Maschinen Lernen“ folgen.

Big Data und Data Science sind ja Schlagworte, die im Moment in Medien und Politik omnipresent sind. Auf Spiegel Online erzählt gerade eine junge Frau, was sie als Data Scientist so beruflich macht. Weil die Alten ja nichts mit den neuen Berufsbezeichnungen Data Scientist oder Data Analyst anfangen könnten. Aus guten Grund, denn im Grunde kann sich jeder mit solchen Bezeichnungen schmücken. Was nichts daran ändert, dass die Verwertung von großen Datenmengen wichtige Aufschlüsse geben kann und der Umgang mit Daten für mich als Mathematiker sowies tägliches Brot ist. Tatsächlich ist im Moment jedoch m.E. auch viel heiße Luft dabei, die in keiner Weise standardisierte Dinge reißerisch mit einem neuen Label anpreist.

Nur nannte sich das früher einfach Stochastik und/oder Stastik. Einziges Manko – es wurden bzw. werden dabei die Zahlen halt oft nicht so aufbereitet, dass sie auch Laien verstehen konnten/können. Das ist wohl die große Kunst bei dem ganzen Thema – Daten erst einmal logisch auswählen, übliche mathematischen Standardverfahren anwenden und die Ergebnisse vernünftig aufbereiten.

Der Punkt, wo das größte Know How notwendig ist, ist die Wahl der richtigen Daten, bevor man an die Verarbeitung geht. Der Rest ist Mathematik und Computertechnologie – also weigehend Standardverfahren (wenngleich nicht immer trivial).