KI in der Praxis: das Data Science Startup. d:ai:mond

Größe: px

Ab Seite anzeigen:

Download "KI in der Praxis: das Data Science Startup. d:ai:mond"

Dirk Acker
vor 5 Jahren
Abrufe

1 KI in der Praxis: das Data Science Startup d:ai:mond Prof. Dr. Jens Dittrich Big Data Analytics Group Saarland Informatics Campus d:ai:mond GmbH twitter.com/jensdittrich

2 Jens Dittrich: Short CV Developer at SAP BW/Trex, Associate Professor, Saarland University Ph.D. in Databases Postdoc at ETH Zurich Full Professor, Saarland University Indexing Systems large-scale data management!2

3 Jens Dittrich: Short CV Developer at SAP BW/Trex, Associate Professor, Saarland University Ph.D. in Databases Postdoc at ETH Zurich Full Professor, Saarland University Join processing Data Warehousing main-memory databases Dataspaces Column Stores Blockchain Streams Join processing Applied ML Crazy Stuff Hadoop&Cloud Database Architectures main-memory databases Indexing Systems large-scale data management!3

4 kiwi, kirsche, bikini [jeweils durchgestrichen] KIwi 8,57 pro Stück Kiwi 0,75 pro Stück CC BY-SA Thomon

5 KIrschen 458,57 pro kg Kirschen 2,75 pro kg CC BY-SA 3.0 Fir0002 5

6 KIches 76,27 pro kg Quiches 5,50 pro kg CC BY Tamorlan 6

7 KI keri KI! Muhammad Mahdi Karim 7

8 AI Data Science Quacksalber Big Data löst alle Ihre Probleme! das gemeine Volk

9 Big Data! AI! Data Science! ML!

10 Problem: Mehrdeutige Kommunikation 10

11 Symbol Bedeutung große Datenmengen 4Vs Big Data! NSA Spark MapReduce NoSQL 11

12 Symbol Bedeutung Symbol große Datenmengen Big Data! 4Vs NSA Spark Er hat Big Data gesagt MapReduce NoSQL 12

13 Symbol Bedeutung Symbol große Datenmengen Big Data! 4Vs NSA Spark Er hat Big Data gesagt MapReduce NoSQL 13

14 große Datenmengen übersetzt zu: MapReduce 14

15 Symbol Bedeutung deep learning knowledge representation symbolic AI AI machine learning planning NLP robots statistical learning deductive databases computer vision logics 15

16 Symbol Bedeutung Das Gerät hat eine KI. Algorithmus Informatik 16

17 KI übersetzt zu: Informatik 17

18 Die Buzzword Bullshit Bingo Landschaft relational algebra große Datenmengen Big Data predicate pushdown Data Science ML AI relational Deep Learning model NoSQL data layout MapReduce cloud cost-based optimization Hadoop Blockchain 1 wenige viele Anzahl der Bedeutungen

19 d:ai:mond Data Science Consulting We speak both Big Data and AI. 19

20 Data Science and Ethics Satzung der d:ai:mond GmbH: [..] Desweiteren werden Dienstleistungen für politische oder kirchliche Institutionen [..] sowie Datenanalyse mit dem Zweck der politischen oder gesellschaftlichen Beeinflussung - insbesondere die Datenanalyse personenbezogener Daten - ausgeschlossen. [..] 20

21 Beispiel Business Case 21

22 Business Case 1: Welches Fahrzeug ist optimal bezüglich des Dieselverbrauchs für eine gegebene Ladung von x Tonnen auf Strecke y? Flottenoptimierung istock.com vanspasic 22

23 Datengrundlage: LKW-Daten Truckinvest 4.0 mit: htw saar, mfund, qivalon GmbH alle 10 Minuten X Y Zeitstempel Gesamtgewicht Temperatur, Wind, Luftwiderstand (mit cw-wert) Höhenmeter geplante Erweiterungen: Lkw ID Straßentyp Fahrer ID Dieselverbrauch Varianz der Geschwindigkeit vorhanden (X): vorhergesagt (Y): Durchschnittsgeschwindigkeit 23

24 Vorhersagemodell istock.com jgroup

25 Beispiel: Fahrt von Saarbrücken nach Frankfurt Abfahrt: Dienstag, 14 Uhr 1. Streckenplanung mit Navi 2. Unterteilung des Streckenplans in 10Minutenabschnitte 25

26 Beispiel: Fahrt von Saarbrücken nach Frankfurt Abfahrt: Dienstag, 14 Uhr 1. Streckenplanung mit Navi 2. Unterteilung des Streckenplans in 10Minuntenabschnitte 3. Für jeden 10Minuntenabschnitt eine Vorhersage unseres Modells machen: Verbrauch für diesen Abschnitt 26

27 Beispiel: Fahrt von Saarbrücken nach Frankfurt Abfahrt: Dienstag, 14 Uhr 1. Streckenplanung mit Navi 2. Unterteilung des Streckenplans in 10Minuntenabschnitte 3. Für jeden 10Minuntenabschnitt eine Vorhersage unseres Modells machen: Verbrauch für diesen Abschnitt geschätzter Verbrauch: 72 Liter 4. Vorhersage: Summe über alle Abschnitte aus 3. 27

28 Beispielergebnisse 28

29 Einzelvorhersagen vorhergesagter vs gemessener Verbrauch

30 Abhängigkeit des Verbrauchs vom Gewicht

31 Business Case: Welches Fahrzeug ist optimal für eine gegebene Ladung von x Tonnen auf Strecke y? BC 2(i): im Stadtverker? BC 2(ii): bei Stau? BC 2(iii): bei schlechtem Wetter/Schnee/Wind? istock.com vanspasic Erweiterte Business Cases 31

BC 2(iv): benötigt der Fahrer eine Schulung? BC 2(v): ist das Fahrzeug defekt? BC 2(vi): ist das Fahrzeug vermutlich bald defekt?

32 BC 2(i): welches Fahrzeug hat einen ungewöhnlichen hohen Verbrauch? BC 2(vii): Um welche Art von Schaden könnte es sich handeln? BC 2(ii): klaut jemand Diesel? BC 2(vii): Welche Art von Schaden kündigt sich an? BC 2(iii): füllt jemand heimlich Diesel nach? BC 2(iv): benötigt der Fahrer eine Schulung? BC 2(v): ist das Fahrzeug defekt? BC 2(vi): ist das Fahrzeug vermutlich bald defekt? (aka Predictive Maintenance) istock.com vanspasic BC 2(viii): korrelieren defekte Fahrzeuge mit bestimmte Fahrern (EU-DSGVO) oder Fahrergruppen? usw. Zusätzliche Business Cases 32

33 33

34 BC 3(i): was ist die optimale Flotte? BC 3(ii): unter Einbeziehung sich ändernder Auftragslagen? BC 3(iii): defekter Fahrzeuge? BC 3(iv): bald defekter Fahrzeuge? BC 3(v): wieviele eigene vs Leihfahrzeuge sind optimal? istock.com vanspasic Zusätzliche Business Cases 34

35 Wie identifiziere ich einen Business Case? 35

36 Potenzialanalyse 36

37 Projektrealisierung 37

38 Fallstricke: 38

39 Wo ist ML? hier! [Sculley et al. Hidden Technical Debt in Machine Learning Systems, NIPS 2015] 39

The Data Science Cake Da an M ta ag en em deep learning is this strawberry only / e c n e g g n i ni l l e ar t n e I L l a i e c n i i f i t ch r A Ma Ingredients: 50g statistics 120g linear algebra

40 The Data Science Cake Da an M ta ag en em deep learning is this strawberry only / e c n e g g n i ni l l e ar t n e I L l a i e c n i i f i t ch r A Ma Ingredients: 50g statistics 120g linear algebra 200g programming 1kg visualisation 300g software engineering t Da ta M ini ng n o i t a c i l n i p a Ap om D istock.com sasilsolutions Additional skills: creativity out of the box thinking grit team spirit

41 Example Projects: 41

42 Assembly Line Optimization istock.com Yayasya 42

43 Data Silo Integration istock.com disorderly 43

44 d:ai:mond Data Science Consulting We speak both Big Data and AI. 44

45 Backup: 45

46 Machine Learning Big Data No SQL

Ähnliche Dokumente

Office 365 Dynamics 365 Azure Cortana Intelligence. Enterprise Mobility + Security Operations Mgmt. + Security

Office 365 Dynamics 365 Azure Cortana Intelligence Enterprise Mobility + Security Operations Mgmt. + Security API Application Availability Bottomless Storage Identity Management Full hybrid