Mehr und schneller ist nicht automatisch besserSelbst wenn das Gesetz der großen Zahlen gilt: Nur weil man mehr Daten erheben kann, heißt das nicht automatisch, dass man mehr Daten erheben muss. Aus einem Anwendungsbeispiel im Internet der Dinge - der Überwachung von Parkplatzbelegungen in London - zeige ich, wie die Anzahl der notwendigen Sensoren um 40 Prozent verringert werden könnte.
Ebenso gilt, dass die Echtzeitanalyse von Daten zwar ihren technischen Reiz hat, bei einer Vielzahl von Anwendungen am Ende der Verarbeitung aber die Interpretation durch einen Menschen steht. An einem theoretischen Beispiel -dem Flug einer Drohne - möchte ich diskutieren, wann ich Edge, Stream oder Batch Processing wählen würde und warum.
Skills
Der Vortrag richtet sich an Anwender mit einem "Datenproblem" sowie praktizierende Data Scientists. Es geht mir mehr um Konzepte und grundsätzliche Fragen als um Syntax und Statistik. Falls ich etwas rechnen würde, dann so, dass es für jeden nachvollziehbar ist.
Lernziele
Nach dem Vortrag sollten Zuhörer in der Lage sein zu entscheiden, ob in ihren eigenen Anwendungen möglicherweise unnötig viele Daten erhoben werden. Ebenso werden Data Scientists mit rein technischer Ausrichtung lernen, wie Edge, Stream und Batch processing zur "Business Intelligence" beitragen.
// Referent
//
Dr. Boris Adryan
@BorisAdryan
arbeitet in den Bereichen Big Data Analytics und Machine Learning. Von 2008 bis 2015 leitete er eine wissenschaftliche Arbeitsgruppe für computergestützte Genomanalyse an der University of Cambridge. Seit 2013 spricht er regelmäßig bei Konferenzen über die Herausforderungen von Analytics für das Internet of Things. In England war er kurzzeitig mit seinem Unternehmen thingslearn Ltd. kommerziell aktiv, bevor er sich dem Solution Center IoT bei Zühlke Engineering in Deutschland anschloss.