Data Science, Big Data und künstliche Intelligenz gehören derzeit zu den Konzepten, über die in Industrie, Regierung und Gesellschaft am meisten geredet wird, die aber auch am meisten missverstanden werden. Dieses Buch klärt diese Konzepte und vermittelt Ihnen praktisches Wissen, um sie anzuwenden.
Das Buch nähert sich dem Thema Data Science von mehreren Seiten. Es zeigt Ihnen, wie Sie Datenplattformen aufbauen sowie Data Science Tools und Methoden anwenden. Auf dem Weg dorthin hilft es Ihnen zu verstehen – und den verschiedenen Interessengruppen zu erklären – wie Sie aus diesen Techniken einen Mehrwert generieren können, z. B. indem Sie Data Science einsetzen, um Unternehmen dabei zu helfen, schnellere Entscheidungen zu treffen, Kosten zu senken und neue Märkte zu erschließen.
In einem zweiten Teil werden die grundlegenden Konzepte der Datenwissenschaft beschrieben, einschließlich mathematischer Grundlagen, Verfahren maschinellen Lernens inklusive Frameworks sowie Text-, Bild- und Sprachverarbeitung. Abgerundet wird das Buch durch rechtliche Überlegungen und praktische Fallstudien aus verschiedenen Branchen.
Das Autor:innenteam besteht aus Datenexpert:innen aus der Wirtschaft und aus dem akademischen Umfeld. Das Spektrum reicht von strategisch ausgerichteten Führungskräften über Data Engineers, die Produktivsysteme erstellen, bis hin zu Data Scientists, die aus Daten Wert generieren. Alle Autor:innen sind im Vorstand oder Mitglieder der Vienna Data Science Group (VDSG). Diese NGO hat sich zum Ziel gesetzt, eine Plattform für den Wissensaustausch zu etablieren.
Aus dem Inhalt
Grundlagen der Mathematik: ML-Algorithmen verstehen und nutzen
Machine Learning: Von statistischen zu neuronalen Verfahren; von Transformers und GPT-3 bis AutoML
Natural Language Processing: Werkzeuge und Techniken zur Gewinnung von Erkenntnissen aus Textdaten und zur Entwicklung von Sprachtechnologien
Computer Vision: Erkenntnisse aus Bildern und Videos gewinnen
Modellierung und Simulation: Modellierung des Verhaltens komplexer Systeme, z. B. der Ausbreitung von COVID-19. Was-wäre-wenn-Analysen
ML und KI in der Produktion: Vom Experiment zum Data-Science-Produkt
Ergebnisse präsentieren: Grundlegende Präsentationstechniken für Data Scientists
Kapitel 9 in dieser LP beschäftigt sich mit KI – doch was hat KI genau mit Data Science und maschinellem Lernen zu tun? Diese Frage beantwortet Danko Nikoli? in dieser Leseprobe und gibt Ihnen Strategie-Empfehlungen für die Entwicklung einer KI-Lösung, um häufige Fehler zu vermeiden.
Wer hat's geschrieben?
Stefan Papp ist Unternehmer. Er und seine Mitarbeiter helfen Organisationen beim Aufbau von Datenarchitekturen und bei der Migration von On-Premise-Lösungen in die Cloud. Einer der Schwerpunkte von Stefan Papp und seinem Team sind auch autonom fahrende Autos. Stefan Papp ist Autor zahlreicher Fachartikel und Bücher zum Thema Big Data. Ihn beschäftigt auch die Frage, wie AI unsere Gesellschaft bereichern und dabei auch nachhaltig verändern kann.
Wolfgang Weidinger ist Präsident der Vienna Data Science Group (www.vdsg.at), einer gemeinnützigen Vereinigung von und für Data Scientists. Diese führt sowohl Forschung als auch Praxis in den verschiedensten Branchen zusammen. Die VDSG ist eine stark wachsende internationale Gemeinschaft, deren Ziel es ist über Data Science und deren Teilbereiche wie Machine learning und Artificial Intelligence, sowie deren Auswirkungen auf die Gesellschaft aufzuklären. Wolfgang Weidinger hat als Data Scientist in den verschiedensten Branchen und Bereichen wie Start-Ups, Finanzwirtschaft, Consulting und Großhandel gearbeitet und dort unter anderem Data-Science-Teams aufgebaut und geleitet.
Katherine Munro ist Data Scientist und Data Science Ambassador im Bereich E-Commerce. Sie forscht und hält Unternehmensschulungen in den Bereichen KI, maschinelles Lernen, Natural Language Processing und Data Science.
Mit einem Hintergrund in Computerlinguistik und maschinellem Lernen hat Katherine in der Forschung und Entwicklung für Mercedes Benz und das Fraunhofer Institut gearbeitet und sich dabei auf Benutzeroberflächen und natürliches Sprachverständnis spezialisiert. Sie hat auch als Universitätsdozentin und Englischlehrerin gearbeitet und hält jetzt Vorträge, ist Education Lead für Women in AI Upper Austria, ehrenamtliche Mentorin bei Female Coders Linz und Trainerin für LinkedIn Learning.
Bernhard Ortner arbeitet derzeit als Data Architect Lead und Enterprise Architect bei den Wiener Linien, wo er das Unternehmen durch den Aufbau der nächsten Mobilitätsplattform umgestaltet. Zu seinen Tätigkeiten gehören die Anpassung bestehender Prozesse rund um Big Data und die Etablierung von Big Data Standards und Best Practices. Außerdem hält er Vorlesungen zu ausgewählten Data Engineering Themen an der Dualen Hochschule Baden Württemberg und ist in verschiedenen Open Source Communitys aktiv. Seine Hauptmotivation ist es, neue Wege und Möglichkeiten für die Anwendung von Big Data zu finden.
Annalisa Cadonna ist Statistikerin und Beraterin für Data Science. Sie promovierte in angewandter Mathematik und Statistik an der University of California, Santa Cruz. Annalisa hat statistische und Machine Learning Methoden für Projekte in der Finanz-, Energie- und Medizinbranche eingesetzt. Derzeit ist es ihr berufliches Ziel, die Lücke zwischen Zeitreihenforschung und industriellen Anwendungen zu schließen, indem sie probabilistische Programmierung und Cloud Technologien einsetzt. Annalisa ist bestrebt, Statistik und ML als Mittel zur Erreichung der Ziele für nachhaltige Entwicklung einzusetzen und sich aktiv an der Entwicklung von Werkzeugen und Frameworks für verantwortungsvolle künstliche Intelligenz zu beteiligen. Sie ist auch eine der Organisatorinnen von R Ladies Vienna.
Georg Langs ist Professor für Maschinelles Lernen in der medizinischen Bildgebung an der Medizinischen Universität Wien, wo er das Computational Imaging Research Lab am Department für Biomedizinische Bildgebung und bildgeführte Therapie leitet. Er ist Mitbegründer und Chief Scientist des Spin offs contextflow GmbH, das Software für KI basierte Bildsuche entwickelt. Georg Langs studierte Mathematik an der Technischen Universität Wien und Informatik an der Technischen Universität Graz und war Research Scientist am MIT Computer Science and Artificial Intelligence Lab, wo er immer noch Research Affiliate ist.
Roxane Licandro ist Postdoktorandin an der Medizinischen Uni versität Wien und Forschungsstipendiatin am Massachusetts General Hospital und der Harvard Medical School. Sie schloss ihr Studium der Medizinischen Informatik an der TU Wien ab, wo sie als Universitätsassistentin am Computer Vision Lab arbeitete. Sie erhielt ein Marie Sklodowska Curie Stipendium und absolvierte Forschungsaufenthalte an der Charité Berlin, dem Kinderspital Zürich und dem University College London. Sie arbeitete am Kunsthistorischen Museum Wien und bei Agfa Healthcare. Ihr Forschungsschwerpunkt liegt auf der Suche nach neuen Möglichkeiten zur rechnerischen Modellierung und Vorhersage dynamischer Prozesse in Raum und Zeit, der pädiatrischen und fötalen Gehirnentwicklung, der statistischen Musteranalyse in der Krebsforschung und der geometrischen Formanalyse von anatomischen und kulturellen Objekten.
Mario Meir-Huber ist Head of Data bei UNIQA, dem führenden Versicherungsunternehmen in Mittel und Osteuropa. Hier arbeitet er mit seinem Team daran, das Unternehmen datengetrieben zu machen. Vor seinem Eintritt bei UNIQA war er in ähnlichen Positionen bei einem führenden Telekommunikationsunternehmen sowie bei großen Technologieanbietern wie Microsoft tätig. Darüber hinaus ist er Keynote Speaker bei verschiedenen internationalen Veranstaltungen wie der GITEX oder der London Tech Week. Mario hat bereits mehrere Bücher zu den Themen Cloud und (Big) Data veröffentlicht. Sein Blog ist unter cloudvane.net zu erreichen.
Dr. Danko Nikolic ist Experte für Hirnforschung und KI. Viele Jahre hat er ein elektrophysiologisches Labor am Max Planck Institut für Hirnforschung geleitet. Als Experte für KI und Machine Learning leitet er ein Data Science Team und entwickelt kommerzielle Lösungen auf der Grundlage von KI Technologie. Er erfand den KI Kindergarten – ein Konzept für das Training der KI der Zukunft, um eine Intelligenz auf nahezu menschlichem Niveau zu erreichen. Er leistete auch Pionierarbeit beim Einsatz von ML, um "Gedanken" aus den elektrischen Signalen des Gehirns zu lesen; er und sein Team konnten allein durch die Analyse der Gehirnsignale rekonstruieren, was ein Tier sah. Er führte das Konzept der Ideasthesie ("Konzeptwahrnehmung") in die Neurowissenschaften ein und ist der Autor einer Theorie namens Practopoiesis, die beschreibt, wie biologische Systeme Intelligenz erreichen. Er hat einen Abschluss in Psychologie und Bauingenieurwesen von der Universität Zagreb, Kroatien, und einen Doktortitel von der Universität Oklahoma, USA. Von 2014 bis 2019 war er Honorarprofessor an der Universität Zagreb.
Zoltan C. Toth ist Data Engineering Architect, Dozent und Unternehmer. Mit einem Hintergrund in Informatik und Mathematik hat er Datenarchitekturen, Big Data Technologien und den Betrieb von ML für Fortune 500 Unternehmen weltweit unterrichtet. In den letzten zwei Jahrzehnten hat er als Solution Architect mit mehreren großen Unternehmen zusammengearbeitet und dabei Datenanalyseinfrastrukturen implementiert und diese bis zur Verarbeitung von Petabytes an Daten skaliert. Außerdem ist er Dozent an der Central European University. Er gründete Datapao, ein Beratungsunternehmen für Data Engineering, das zum europäischen Professional Services Center von Databricks und zu einem Microsoft Gold Partner für Data Science wurde.
Barbora Vesela ist Data Scientist und Software Engineer und arbeitet bei Frequentis, einem Unternehmen, das in einem sicherheitskritischen Kommunikations und Informationsumfeld tätig ist. Ihr Hintergrund ist ein Studium der Biophysik an der Masaryk Universität in Brünn und der Biomedizintechnik an der FH Technikum Wien und der Technischen Universität Brünn. Sie interessiert sich für verschiedene Themen, die Data Science und Signal und Bildverarbeitung in verschiedenen Bereichen wie Medizin, Forschung und Luftverkehrsmanagement kombinieren.
Rania Wazir ist Mathematikerin und Data Scientist mit den Schwerpunkten Trustworthy KI, Natural Language Processing und Social Media Monitoring. Sie ist stellvertretende Vorsitzende des österreichischen Normenausschusses für KI und österreichische Delegierte in der ISO Arbeitsgruppe für vertrauenswürdige KI; außerdem ist sie Koordinatorin der data4good Initiative des VDSG, die mit gemeinnützigen Organisationen an datenbasierten Projekten arbeitet. Sie leitete ein Konsortium von Experten aus den Bereichen maschinelles Lernen, Recht und Sozialwissenschaften, das vor Kurzem eine Untersuchung über Voreingenommenheit in Algorithmen für die EU Grundrechteagentur abgeschlossen hat, und ist derzeit die technische Leiterin eines dreijährigen Projekts zur Entwicklung eines fairen KI Entwicklungsprozesses, das von der österreichischen Forschungsagentur finanziert wird.
Dr. Wazir ist gemeinsam mit der Open Innovation Expertin Dr. Gertraud Leimüller Mitbegründerin des kürzlich gegründeten Startups leiwand.ai, dessen Ziel es ist, Unternehmen und Organisationen, die mit der Entwicklung oder dem Einsatz von KI Systemen befasst sind, die notwendigen Werkzeuge und das Know how zur Verfügung zu stellen, um die Vertrauenswürdigkeit ihrer Systeme zu gewährleisten.
Günther Zauner ist langjähriger Mitarbeiter der dwh GmbH, Mathematiker und Experte auf dem Gebiet der Modellierung und Simulation, Parametrisierung und Prognosemodellierung. Er arbeitet sowohl in Industrieprojekten als auch in Forschungsprojekten (z. B. EU FP7 CEPHOS LINK, Horizon 2020 RheumaBuddy). Er ist spezialisiert auf die Entwicklung von Modellierungskonzepten, die Integration von Routinedaten und das Verhalten der Bevölkerung. Er ist Mitglied des VDSG, der Society of Medical Decision Making (SMDM) und Mitglied des Vorstands der International Society for Pharmacoeconomics and Outcomes Research Austria (ISPOR Austria). Darüber hinaus ist er Gutachter für mehrere Fachzeitschriften und promoviert im Bereich Public Health unter der Leitung von Professor Majdan an der Universität Trnava.
