WEBVTT 00:00:00.000 --> 00:00:06.600 Hallo liebe Hörerinnen und Hörer, willkommen beim Python-Podcast, heute Episode 67, wir reden über Data Science. 00:00:06.600 --> 00:00:10.020 Hallo Dominik und herzlich willkommen. 00:00:10.020 --> 00:00:12.900 Hi Mira, schön, dass du da bist. 00:00:12.900 --> 00:00:19.720 Normalerweise fangen wir immer mit News an, da hat Jochen gesagt, haben wir heute gar nicht so viele und die letzten sind auch gar nicht so lange her. 00:00:19.720 --> 00:00:21.380 Wir reden über Data Science. 00:00:21.380 --> 00:00:29.120 Wir wollten glaube ich nochmal ganz von vorne anfangen, weil wir noch nicht so viele Data Science-Folgen hatten oder uns vorgenommen hatten, noch einige mehr davon aufzunehmen, als wir bis jetzt haben. 00:00:29.120 --> 00:00:31.080 Und mit Python macht man ja recht viel Data Science. 00:00:31.080 --> 00:00:36.180 Vielleicht erzählst du aber erstmal was über dich und stellst dich kurz vor und dann sprechen wir über das Thema. 00:00:36.180 --> 00:00:42.360 Ja gerne, also praktischerweise bin ich Data Scientist, das heißt wir haben heute bestimmt eine Menge zu besprechen. 00:00:42.360 --> 00:00:47.920 Ich bin auch seit einem Jahr Geschäftsführerin zusammen mit einem Kollegen in unserer Beratung. 00:00:47.920 --> 00:00:55.120 Ich habe dort angefangen direkt nach dem Studium, bin da seit einigen Jahren und inzwischen bin ich dann mit an die Spitze gerückt. 00:00:55.120 --> 00:00:58.060 Ursprünglich habe ich aber Psychologie studiert. 00:00:58.240 --> 00:01:01.200 Und so richtig weg davon bin ich auch gar nicht. 00:01:01.200 --> 00:01:04.600 Man muss auch sagen, dass man in der Psychologie schon auch viel Datenanalyse und Statistik macht. 00:01:04.600 --> 00:01:06.320 Und da hat es mir noch nicht gereicht. 00:01:06.320 --> 00:01:12.480 Deswegen habe ich dann noch einen Statistik-Master drangehängt und bin dann so in der Statistik-Beratung damals gelandet. 00:01:12.480 --> 00:01:14.180 Da hieß es noch mehr Statistik. 00:01:14.180 --> 00:01:23.520 Inzwischen würden wir natürlich sagen, wir machen Data Science oder aktuell sagt man wahrscheinlich am besten noch AI, damit halt auch wirklich klar ist, was eigentlich gemeint ist. 00:01:23.520 --> 00:01:27.620 So erinnern sich die Begriffe ein bisschen und es ist natürlich über die Zeit auch total viel dazugekommen. 00:01:27.720 --> 00:01:32.120 Machine Learning, was ja vor einigen Jahren eben noch nicht so da war. 00:01:32.120 --> 00:01:34.740 Vor einigen Jahren haben wir noch ganz viel mit R gemacht. 00:01:34.740 --> 00:01:41.400 Am Anfang inzwischen ist eigentlich fast alles in Python, bis auch so ein paar einzelne Projekte, vor allem im Forschungsbereich. 00:01:41.400 --> 00:01:43.320 Da sind die Leute dann ein bisschen mehr mit R unterwegs. 00:01:43.320 --> 00:01:43.840 Ja. 00:01:43.840 --> 00:01:47.760 Und ja, ich kann gerne noch ganz kurz was über mein Unternehmen sagen. 00:01:47.760 --> 00:01:54.000 Wir sind eine Data Science Beratung, haben also sehr viele wechselnde Projekte, sind 17 Leute, sind in Berlin. 00:01:54.000 --> 00:01:57.580 Das heißt, zum Hörertreffen wird es dann wahrscheinlich auch nichts für mich. 00:01:57.720 --> 00:01:59.980 Weil es dann ein bisschen zu weit ist, um mal kurz vorbeizukommen. 00:01:59.980 --> 00:02:02.920 Und die Deutsche Bahn hatte ich letztes Wochenende wieder von Berlin hierher. 00:02:02.920 --> 00:02:04.040 Das war wieder hervorragend. 00:02:04.040 --> 00:02:08.620 Ja, sollte man sich einfach ein paar gute Podcasts vorher mitnehmen. 00:02:08.620 --> 00:02:10.380 Wir haben ja noch ein paar. 00:02:10.380 --> 00:02:11.880 Vielleicht habt ihr noch nicht alle gehört. 00:02:11.880 --> 00:02:16.480 Ja, da kann man dann schon noch ein bisschen länger Bahn fahren. 00:02:16.480 --> 00:02:25.820 Ja, und aktuell bin ich witzigerweise, also ich habe erst viel Data Science gemacht, bin dann immer mehr auch in die Projektleitung gegangen. 00:02:25.820 --> 00:02:27.400 Und da passt es dann ja auch wieder. 00:02:27.520 --> 00:02:33.240 Und jetzt bin ich aber witzigerweise ein bisschen back to the roots, bin im Kundenprojekt drin. 00:02:33.240 --> 00:02:38.680 So Body Leasing mäßig dort mit im Team und bin dann klassisch als Data Scientist im Team drin. 00:02:38.680 --> 00:02:40.200 Und das macht mir auch ganz großen Spaß. 00:02:40.200 --> 00:02:45.500 Wir haben teilweise länger laufende Projekte, aber auch manchmal Einzelprojekte, die nur ein paar Monate sind. 00:02:45.500 --> 00:02:51.140 Und das ist natürlich auch total spannend, weil man dann sehr viel Abwechslung hat und in verschiedene Themen reinkommt. 00:02:51.140 --> 00:02:53.760 Und wir haben auch einen Podcast. 00:02:53.760 --> 00:02:57.380 Das ist der Grund, warum ich jetzt hier sitze und ihr mich kennt. 00:02:57.520 --> 00:02:57.680 Ja. 00:02:57.680 --> 00:03:06.320 Ein Unternehmenspodcast, in dem ich manchmal, aber auch nicht immer zu hören bin, wo wir ganz viele Themen rund um Data Science besprechen, den Data Science Deep Dive. 00:03:06.320 --> 00:03:07.360 Genau, das ist sehr spannend. 00:03:07.360 --> 00:03:08.720 Ja, habe ich auch schon reingehört, fand ich sehr gut. 00:03:08.720 --> 00:03:09.080 Ja. 00:03:09.080 --> 00:03:09.920 Ja, gut. 00:03:09.920 --> 00:03:12.060 Also, was ist denn eigentlich Data Science? 00:03:12.060 --> 00:03:18.120 Ja, also ganz geschwollen ausgedrückt, wir wollen Erkenntnisse aus Daten gewinnen. 00:03:18.120 --> 00:03:26.140 Das ist jetzt auch irgendwie ziemlich allgemein, aber es geht darum, dass man Dinge versteht, dass man auch Dinge vorlehr sagt und dass man teilweise sogar Entscheidungen dann trifft. 00:03:26.140 --> 00:03:27.480 Entweder noch manuell. 00:03:27.520 --> 00:03:30.340 Oder sogar automatisiert auf Basis von Daten. 00:03:30.340 --> 00:03:40.180 Oder anders gesagt, man will halt aus großen und oft komplexen Datensätzen Muster erkennen, die man jetzt mit bloßem Auge überhaupt nicht erkennen könnte und nur erkennt, wenn man eine Analyse macht. 00:03:40.180 --> 00:03:45.400 Also tatsächlich Statistik im weiteren Sinne, wie man das halt dann in der Technologie oder in der Geometrie oder so. 00:03:45.400 --> 00:03:52.160 Auf jeden Fall, ja, ein Teil ist ja auch so, manche sagen ja Statistik oder Machine Learning, das überschneidet sich auch an ganz vielen Stellen. 00:03:52.160 --> 00:03:54.680 Ja, klar. 00:03:54.680 --> 00:03:57.280 Man sagt ja auch oft, man braucht so drei Bereiche. 00:03:57.400 --> 00:04:08.400 Das eine ist die fachliche Expertise, also ich kenne mich zum Beispiel aus mit, ja, einfach mit dem Bereich, in dem ich gerade was mache, zum Beispiel Umweltdaten oder Verkaufsdaten, Online-Shopping, was auch immer. 00:04:08.400 --> 00:04:15.500 Das zweite sind methodische Kenntnisse, da sind wir halt bei dem Thema Statistik, Machine Learning, haben Leute natürlich auch unterschiedliche Schwerpunkte. 00:04:15.500 --> 00:04:20.420 Manche sind mehr mit Bilddaten unterwegs, mit Text, mit tabularen Daten, da bin ich vor allem unterwegs. 00:04:20.420 --> 00:04:26.740 Und das dritte ist, dass man natürlich auch Coding-Kenntnisse braucht, also so das, was aus der Informatik kommt. 00:04:27.280 --> 00:04:30.000 Damit man seine Analysen irgendwie programmieren kann. 00:04:30.000 --> 00:04:44.320 Es ist natürlich irgendwie auch fast zu viel verlangt, das alles gleichzeitig zu können, also dass ich super gut coden kann, dass ich auch noch super gut in Statistik und Machine Learning bin und dann gleichzeitig noch in dem Fachbereich so lange unterwegs bin, dass ich mich da wahnsinnig gut auskenne. 00:04:44.320 --> 00:04:57.160 Ist ja doch ziemlich viel, das schafft man vielleicht nach ein paar Jahren, aber deswegen sind wir auch meistens in Teams unterwegs oder wir als Beratung, wir sind natürlich daran gewöhnt, dass wir uns schnell neue Themen reinfinden, trotzdem brauchen wir eine neue. 00:04:57.160 --> 00:05:06.020 Das ist natürlich auch ein Projekt, natürlich ganz viel Kommunikation mit unseren Kunden, die uns auch ihre Fachexpertise dann mitgeben, weil wir dann vor allem die methodischen Kenntnisse und das Coding mitbringen. 00:05:06.020 --> 00:05:12.700 Das finde ich auch immer am schwierigsten mit Kunden, also die Domain-Knowledge dann zu haben oder jemanden zu haben, mit dem man darüber reden kann. 00:05:12.700 --> 00:05:15.360 Jemanden so eine Sprache zu finden, das ist schwierig oft. 00:05:15.360 --> 00:05:24.220 Genau, auf dem Level, dass man halt versteht, was man gegenseitig voneinander will oder was man bereitstellen kann oder wie lange das dauert und Sachen, die man auf der einen Seite für einfach hält, sind auf der anderen Seite vielleicht ein bisschen schwieriger. 00:05:27.040 --> 00:05:30.700 Du hast eben schon angesprochen, Body Leasing, also quasi in den Teams selber unterwegs. 00:05:30.700 --> 00:05:32.760 Unterschiedlich. 00:05:32.760 --> 00:05:40.840 Achso, oder ihr setzt auch Projekte komplett um für Kunden als Team sozusagen und gebt dann ein Produkt an den Kunden oder so. 00:05:40.840 --> 00:05:45.560 Ja, sehr, sehr unterschiedlich. 00:05:45.560 --> 00:05:50.240 Also wir sind für einen langjährigen Kunden sind wir eigentlich fast so wie eine zweite Data Science Abteilung. 00:05:50.240 --> 00:05:56.820 Wir haben auch selbst eine Data Science Abteilung, aber die Aufgaben sind dann so verteilt und da machen wir auch den, 00:05:56.920 --> 00:05:58.560 den kompletten Betrieb und die Wartung mit. 00:05:58.560 --> 00:06:03.620 Also wir machen nicht nur die reine Data Science, sondern auch alles, was im DevOps-Bereich anfällt. 00:06:03.620 --> 00:06:11.280 Ich bin aber mehr im Data Science Bereich unterwegs und wir haben eben ja auch zunehmend das Thema Body Leasing. 00:06:11.280 --> 00:06:15.980 Das war früher irgendwie kaum, weil früher hatten viele Unternehmen auch selbst keine Data Science Abteilung. 00:06:15.980 --> 00:06:20.740 Da gab es eine Zeit, da waren die halt alle irgendwie ganz verzweifelt und waren dann total froh, dass das jemand für sie macht. 00:06:20.740 --> 00:06:26.800 Und inzwischen ist es eher so, dass die Unternehmen, die groß sind und die überhaupt von der Kultur her in Richtung, 00:06:26.800 --> 00:06:30.800 in Richtung datenbasiertes Unternehmen gehen, die haben jetzt eine Data Science Abteilung, 00:06:30.800 --> 00:06:35.660 aber die haben dann halt hier und da mal Lücken und finden niemanden und nehmen uns dann dann dazu. 00:06:35.660 --> 00:06:43.640 Wenn du jetzt Methoden angesprochen hast, was würdest du denn sagen, wie ist das denn in der Praxis? 00:06:43.640 --> 00:06:48.800 Habt ihr da viel mit sophisticated Methoden noch zu tun, die ihr jetzt aus der Uni oder so noch kennt? 00:06:48.800 --> 00:06:56.380 Oder ist das meistens dann schon einfaches Zeugs, weil einfach die Datenprobleme andere sind, als jetzt gute Methoden auszusuchen? 00:06:56.680 --> 00:07:00.040 Es ist tatsächlich oft ziemlich anspruchsvoll. 00:07:00.040 --> 00:07:05.340 Ich glaube, das sind aber auch so die Projekte, die wir uns rauspicken oder für die wir dann auch weiter empfohlen werden. 00:07:05.340 --> 00:07:09.440 Wir haben zum Beispiel was im Sportwettenbereich und da kann man sich ja vorstellen, wenn man mal überlegt, 00:07:09.440 --> 00:07:16.040 wie sag ich eigentlich vorher, wie viele Tore von diesen beiden Mannschaften in diesem Spiel fallen und wie viel in der ersten und zweiten Halbzeit und so. 00:07:16.040 --> 00:07:21.680 Es wird schon ganz schön kompliziert und da haben dann die Leute mit Statistik hintergrund auch ganz schön Spaß. 00:07:21.680 --> 00:07:26.560 Manchmal sind die Sachen halt noch ein bisschen simpel, aber oft wird es dann doch irgendwie schon ein bisschen kompliziert. 00:07:26.560 --> 00:07:30.440 Wir sind aber auch tatsächlich darauf spezialisiert. 00:07:30.440 --> 00:07:36.100 Also es gibt ja auch ganz viele Sachen, wo vielleicht auch erstmal eine gute Visualisierung ausreicht. 00:07:36.100 --> 00:07:43.140 Visualisierung machen wir natürlich auch mit, aber ein Projekt, wo es nur um Dashboard mit Visualisierung geht, landet seltener bei uns. 00:07:43.140 --> 00:07:47.600 Ja, wie kommt man denn eigentlich zur Data Science? 00:07:47.600 --> 00:07:51.980 Du hast gesagt, du hast Psychologie studiert und dann fandst du Statistik spannend. 00:07:51.980 --> 00:07:56.440 Ich habe vorher auch Wirtschaftslehre studiert und da fand ich auch Statistik eigentlich spannend. 00:07:56.440 --> 00:08:02.900 Es hat bei mir noch ein bisschen Umweg gebraucht, aber ich glaube, auch da hätte man direkt den Weg Richtung Data Science finden können. 00:08:02.900 --> 00:08:06.580 Ja, auf jeden Fall. Also das ist auch so ein typischer Hintergrund. 00:08:06.580 --> 00:08:13.040 Ich habe ja in dem Statistik-Master war ich ja, da waren viele, die vorher Mathe gemacht haben, aber auch viele mit ganz anderen Hintergründen, 00:08:13.040 --> 00:08:19.400 viel Wirtschaftswissenschaften, aber auch KollegInnen mit Soziologie-Hintergrund oder Physik. 00:08:19.400 --> 00:08:25.520 Ich glaube, das ist sogar so ein bisschen Klassiker, dass die Physiker sich irgendwie dann in die Statistik- und Machine Learning-Welt verirren. 00:08:26.320 --> 00:08:31.040 Und wir haben noch gar nicht so lange, haben wir auch jemanden mit Informatik-Hintergrund. 00:08:31.040 --> 00:08:32.040 Das klingt irgendwie witzig. 00:08:32.040 --> 00:08:33.200 Ich habe jetzt auch. 00:08:33.200 --> 00:08:40.320 Nur Leute, also die sind schon, ich glaube schon drei Jahre bei uns, aber ja, vorher hatten wir nur Leute mit einem anderen Hintergrund. 00:08:40.320 --> 00:08:47.440 Ich glaube, es ist aber ein bisschen schwieriger geworden, quer einzusteigen, weil es inzwischen ja sehr viele tatsächlich Data Science-Studiengänge gibt 00:08:47.440 --> 00:08:56.200 oder Informatik mit ganz starkem Machine Learning-Schwerpunkt und wenn man dann sagt, ja, ich habe da, also ich habe BWL studiert und ich finde Statistik gut, 00:08:56.200 --> 00:09:01.580 und habe ein paar Kurse gemacht, dann konkurriert man halt inzwischen mit Leuten, die da leider dann schon viel, viel mehr mitbringen. 00:09:01.580 --> 00:09:03.240 Also ich glaube, das ist schon schwieriger geworden. 00:09:03.240 --> 00:09:06.320 Der BWL ist ja auch nicht VWL zum Beispiel. 00:09:06.320 --> 00:09:13.020 Ja, ich weiß. Aber es ist ja auch ein Fach, wo man ja doch, je nachdem, wie man sich da orientiert, viel Statistik machen kann. 00:09:13.020 --> 00:09:15.380 Ja, also Ökonometrie kann man schon tief reingehen, glaube ich da. 00:09:15.380 --> 00:09:20.120 Es ist halt die Frage, wie gut man dann in das Programmieren reinkommt und in das, was man da an Methoden noch so mitbringt. 00:09:20.120 --> 00:09:24.360 Ja, aber das ist auf jeden Fall eine interessante Geschichte. 00:09:26.080 --> 00:09:31.040 In den Data-Science-Projekten, in denen ich so unterwegs war, halt auch irgendwie immer wieder gesehen, dass halt oft die Leute, 00:09:31.040 --> 00:09:36.280 also ich weiß nicht, wie das bei euch ist, ob ihr, weil normalerweise Software-Entwicklungsgeschichten, die ich so mache, 00:09:36.280 --> 00:09:40.440 da habe ich dann halt eben mit Abteilungen zu tun, die halt irgendwie Software-Entwicklung machen oder so, 00:09:40.440 --> 00:09:44.700 aber bei den Data-Science-Geschichten ist es immer sowas wie Business Intelligence oder so. 00:09:44.700 --> 00:09:49.340 Und das sind andere Leute, das ist ein bisschen so, die sind so ähnlich, also das sind oft irgendwie Leute, 00:09:49.340 --> 00:09:55.220 die was Naturwissenschaftliches studiert haben oder so, dann da promoviert haben, genau, ganz oft aus der Ecke eher. 00:09:55.960 --> 00:10:03.200 Und die eher so, ja, Analysten-Dinge tun, oft viel SQL schreiben und so. 00:10:03.200 --> 00:10:06.500 Und das ist irgendwie ein bisschen anders als bei den Software-Entwicklern. 00:10:06.500 --> 00:10:11.320 Und die haben auch meistens oft so ein bisschen so, ja, Produkte entwickeln oder so, ist jetzt eigentlich nicht so unser Ding. 00:10:11.320 --> 00:10:14.380 Genau, und das ist irgendwie eine etwas andere Welt. 00:10:14.380 --> 00:10:18.840 Also da gibt es oft eine Trennung zwischen Software-Entwicklung und eben in diesem ganzen… 00:10:18.840 --> 00:10:22.820 Und da wolltest du ja auch nochmal was zu sagen, wie du das so findest, mit der Software-Entwicklung zusammenzuarbeiten. 00:10:22.820 --> 00:10:25.840 Aber vielleicht noch erst dazu, ich glaube, wir sind da irgendwie so… 00:10:25.840 --> 00:10:32.580 Dazwischen, weil wir eben ja schon Datenprodukte bauen wollen, also es gibt auch mal ein POC oder irgendwie so eine einzelne Analyse, 00:10:32.580 --> 00:10:35.440 wo wir dann sagen, so, und das sind die Ergebnisse und hier sind die Zusammenhänge, 00:10:35.440 --> 00:10:42.340 aber normalerweise sind das dann schon, also schreiben wir auch Software, aber wir schreiben Software, die was mit Daten macht. 00:10:42.340 --> 00:10:45.680 Also dann sind zwei Sachen zusammen. 00:10:45.680 --> 00:10:55.600 Und BI-Abteilungen sind, glaube ich, auch nochmal mehr, ja, die sind halt besonders gut darin, dann auch ganz viel visuell zu analysieren. 00:10:55.720 --> 00:10:57.760 Und fokussieren sich sehr stark darauf. 00:10:57.760 --> 00:11:05.720 Und ich glaube, die sind auch nochmal so ein bisschen, vielleicht noch ein bisschen weniger nerdig, hätte ich jetzt so gedacht, so mit der… 00:11:05.720 --> 00:11:08.020 Das klingt, als wäre es kein Kompliment. 00:11:08.020 --> 00:11:09.860 Ich weiß nicht, ich dachte eben, ne. 00:11:09.860 --> 00:11:12.820 Das ist das, ohne Wertung zu sagen. 00:11:12.820 --> 00:11:15.860 Oh, ja. 00:11:15.860 --> 00:11:25.000 Ja, aber was du eben gefragt hättest, so, das ist auch jetzt ganz spannend, ich bin jetzt im Team, wo eigentlich relativ klar zugeordnet ist, 00:11:25.000 --> 00:11:25.600 wie es Data Science ist. 00:11:25.600 --> 00:11:28.020 Und wer ist Software-Engineer? 00:11:28.020 --> 00:11:37.660 Und natürlich arbeiten wir alle an dem Code, aber es ist, also es gibt eben so ein paar Klischees oder so Dinge, die man vielleicht beobachtet, 00:11:37.660 --> 00:11:45.080 wenn jemand, der vor allem einen Software-Entwicklungshintergrund hat, jetzt zum ersten Mal versucht, Daten zu analysieren und Data Science zu machen. 00:11:45.080 --> 00:11:53.280 Wir haben auch mal ein Projekt übernommen, wo wir entsprechenden Code dann, tatsächlich sollte man ja refactoren und wir haben auch viel refactored, 00:11:53.280 --> 00:11:54.940 aber da haben wir einen Teil wirklich neu geschrieben. 00:11:55.480 --> 00:12:04.380 Und das, also, am Coding-Stil hat man schon gesehen, dass der einfach gar nicht wusste, dass man mit Datensätzen Sachen machen kann. 00:12:04.380 --> 00:12:13.000 Der hat halt immer ganz viel gedubt über Zeilen und Spalten und so, weil er halt einfach diese ganzen Sachen nicht kannte, die man mit Datensätzen machen kann, vor allem mit Pandas. 00:12:13.000 --> 00:12:23.500 Und was sonst auch, wenn man zusammenarbeitet, halt oft passiert, ist, dass jemand, der nicht viel mit Daten gearbeitet hat, die Ergebnisse halt so nimmt, wie sie sind und da irgendwie ganz unkritisch ist. 00:12:25.360 --> 00:12:33.580 Und manchmal ist ja vielleicht der Code gar nicht falsch, aber es ist irgendwo ein Denkfehler drin. 00:12:33.580 --> 00:12:37.340 Also der Code macht, was er soll, nur das, was er soll, ist halt vielleicht gar nicht so korrekt. 00:12:37.340 --> 00:12:43.080 Oder man hat ein Missverständnis zu den Daten, man hat irgendeine Annahme, aber in Wirklichkeit ist es ein bisschen anders. 00:12:43.080 --> 00:12:47.680 Und das ist was, was dann, glaube ich, schwer fällt. 00:12:47.680 --> 00:12:53.460 Also ich glaube, das fällt einem als Data Scientist auch schon manchmal schwer, so richtig dieses Business Understanding aufzubauen. 00:12:55.240 --> 00:13:03.240 Aber ja, wenn man so reine Softwareentwicklung macht, ist es, glaube ich, nochmal schwieriger, in den Daten drin zu sein und die zu interpretieren und zu sagen, Moment mal, also die Kurve sieht ja eigentlich komisch aus. 00:13:03.240 --> 00:13:13.060 Aber also eigentlich mag ich es total gerne, wenn das Team gemischt ist, weil auch nicht alle Data Scientists so richtig auf guten Code achten. 00:13:13.060 --> 00:13:21.920 Also es ist uns sehr wichtig und wenn jemand halt noch nicht so gut programmieren kann und aus dem Studium kommt, weil es einsteigt, dann ist es das, was die Person dann lernt, so wie ich damals. 00:13:21.920 --> 00:13:25.120 Aber ich glaube, das ist auch nicht... 00:13:25.120 --> 00:13:34.600 Also verbreitet, weil manche haben dann eher einen Schwerpunkt auf so Datenanalysen, sind viel in Notebooks unterwegs und wenn sie dann fertig sind, dann wird das Notebook in irgendeinen Job eingebunden und das ist dann die Automatisierung. 00:13:34.600 --> 00:13:38.420 Und das kann manchmal funktionieren, aber oft ist es auch ziemlich wackelig. 00:13:38.420 --> 00:13:47.960 Ja, ja, interessant. Also da ist auf jeden Fall oft so ein bisschen ein Graben zwischen den Welten. 00:13:47.960 --> 00:13:52.920 Also wenn ich das immer sehe, was so Data Scientists schreiben, dann stag ich immer die Hände über dem Kopf. 00:13:52.920 --> 00:13:54.820 Also jetzt ist es gerade packativ, es gibt natürlich Unterschiede. 00:13:55.000 --> 00:14:00.860 Das war so im Vergleich eher anders, als ich das machen würde wahrscheinlich. 00:14:00.860 --> 00:14:06.800 Also man schreibt als Data Science oft so die ganzen Prozesse untereinander und muss erst mal lernen, die Methoden zu definieren und so, ja. 00:14:06.800 --> 00:14:11.460 Und warum soll man denn, also wenn man das nur einmal macht, warum soll man denn eine Funktion schreiben? 00:14:11.460 --> 00:14:16.400 Und man kann es ja Zeile für Zeile ausführen und die Funktion braucht man ja nur, wenn man zweimal dasselbe macht. 00:14:16.400 --> 00:14:22.860 So ist dann, glaube ich, manchmal die Denkweise, wenn man eben mehr aus der Analyse kommt und da so quer einsteigt. 00:14:22.860 --> 00:14:24.880 Ich finde das einfach manchmal, weil Leute... 00:14:24.880 --> 00:14:33.520 Die Leute, die sich schon promoviert haben und das ist, die haben total krasse Sachen gemacht, aber können dann halt auch keinen guten Code schreiben, weil es für die Doktorarbeit eben ganz andere Anforderungen hat. 00:14:33.520 --> 00:14:44.000 Ja, da ist auch oft, also gerade Physiker, die sind da ja oft eher so verdorben, die haben dann irgendwie Vortragen geschrieben oder sowas oder C++, ist auch nicht viel besser. 00:14:44.000 --> 00:14:47.440 Und dann, ja genau, bringen sie da so schlechte Gewohnheiten mit. 00:14:47.440 --> 00:14:51.920 Das ist natürlich oft irgendwie so ein bisschen, ja, aber, ja, ja. 00:14:51.920 --> 00:14:54.760 Aber das ist auch so ein bisschen, man lernt das ja auch nirgendwo, ne, außer wenn man... 00:14:54.760 --> 00:14:59.000 Wenn man jetzt irgendwie quasi bei einer Firma anfängt, die das halt auch irgendwie täglich macht oder so. 00:14:59.000 --> 00:15:04.960 Bei den meisten Firmen gibt es ja da gar keine Kultur und, ja, also es ist irgendwie, ja, es ist irgendwie... 00:15:04.960 --> 00:15:07.800 Also dieses Handwerkszeug ist ein Problem oft, das denke ich auch. 00:15:07.800 --> 00:15:11.800 Was nervt dich denn an Leuten, die Softwareentwicklung gemacht haben und jetzt Data Scientists sind? 00:15:11.800 --> 00:15:13.440 Ja, das ist auch interessant, ja. 00:15:13.440 --> 00:15:24.640 Also, ja, also die Sachen, die ich gerade genannt habe, also es ist oft so, die Ergebnisse so unkritisch beurteilt werden, dass man eigentlich nur guckt, ob der Code richtig läuft und das macht, was man implementieren wollte. 00:15:24.640 --> 00:15:30.140 Und das eben, ja, man dann nicht unbedingt erkennt, dass die Ergebnisse eigentlich unplausibel sind. 00:15:30.140 --> 00:15:33.780 Zum Beispiel, dass das Modell viel zu gut ist und da muss irgendwo was falsch sein. 00:15:33.780 --> 00:15:37.000 Die Kirchturmspitze ist 245 Meter im Minus. 00:15:37.000 --> 00:15:38.020 Bitte? 00:15:38.020 --> 00:15:42.440 Du könntest ja erst mal die Kirchturmspitze ausrechnen, dass die Höhe dann 245 im Minus ist. 00:15:42.440 --> 00:15:45.060 Und wenn man das dann einfach so übernimmt und daran glaubt. 00:15:45.060 --> 00:15:45.860 Ja, genau. 00:15:45.860 --> 00:15:48.660 Also, das ist natürlich ein gutes Beispiel. 00:15:48.660 --> 00:15:54.520 Und manchmal habe ich auch den Eindruck, dass dann wiederum, wenn man sehr, sehr stolz auf seine Software... 00:15:54.520 --> 00:16:03.220 Software-Entwicklungsskills ist, dass dann auch unnötig komplizierte Patterns auf irgendwelche Sachen geworfen werden und das dann auch wieder durch pragmatisch ist und sehr schwer wartbar. 00:16:03.220 --> 00:16:10.800 Ja, klar, weil die Leute, die das dann letztlich irgendwie ja benutzen müssen, müssen das ja auch lesen und verstehen können und so. 00:16:10.800 --> 00:16:16.800 Und wenn man dann irgendwas mit einem Elfenbeinturm baut, dann war das vielleicht auch einfach ein Ziel vorbei. 00:16:16.800 --> 00:16:20.260 Wenn man auch neue Pattern gelernt hat, muss man die auch erst mal überall anwenden, ja. 00:16:20.260 --> 00:16:21.560 Ja, klar, das sollte ich auch machen. 00:16:24.400 --> 00:16:29.200 Ja, aber grundsätzlich macht mir das eigentlich total Spaß, mit Software-Entwicklern zusammenzuarbeiten. 00:16:29.200 --> 00:16:34.160 Du hast gesagt, er visualisiert irgendwie Sachen zwar nicht so oft, nicht so gerne, aber er macht das. 00:16:34.160 --> 00:16:37.640 Wie denn? Also, ich kenne irgendwie so eine coole Seite, die wollte ich irgendwie nochmals hin. 00:16:37.640 --> 00:16:40.220 Also, datatowiss.com oder sowas. 00:16:40.220 --> 00:16:42.000 Die benutze ich immer, wenn ich nicht weiß. 00:16:42.000 --> 00:16:42.980 Ich kann euch sagen, nicht so gerne. 00:16:42.980 --> 00:16:50.040 Also, er macht es durch die ganze Zeit, aber es ist an verschiedenen Stellen eigentlich total wichtig. 00:16:50.040 --> 00:16:52.460 Also, zuerst mal, wenn man die Daten reinbekommt. 00:16:52.460 --> 00:16:54.280 Damit sind wir jetzt eigentlich schon... 00:16:54.280 --> 00:16:58.480 So mitten im typischen Ablauf, aber ich kann da, da wollen wir zwar noch drüber sprechen, da kann er gerne mal vorgreifen. 00:16:58.480 --> 00:17:05.120 Also, wenn die Daten reinkommen und man gucken will, ob die sinnvoll sind, wenn man die Daten kennenlernen will, Zusammenhänge prüfen und so, 00:17:05.120 --> 00:17:07.300 dann ist natürlich Visualisierung einfach das Allerbeste. 00:17:07.300 --> 00:17:12.720 Klar, ist auch ganz nett, so Mittelwerte und Ausgleichsmaßnahmen im Minimum zu sich anzugucken. 00:17:12.720 --> 00:17:16.520 Zum Beispiel, ob der kleinste Kirchturm auch wirklich größer als 0 Meter ist. 00:17:16.520 --> 00:17:20.480 Aber es macht natürlich auch total Sinn, sich da die Verteilung mal zu plotten und Zusammenhänge. 00:17:20.480 --> 00:17:24.200 Und das sind auch die Sachen, die wir dann oft mit unseren Kunden wiederum anschauen und sagen, 00:17:24.200 --> 00:17:25.580 ja, guck mal hier, die Verteilung, macht die Sinn? 00:17:25.580 --> 00:17:32.260 Und merken dann vielleicht, dass da irgendwas in den Daten unsauber ist, was halt oft vorkommt, womit man dann aber irgendwie umgehen muss. 00:17:32.260 --> 00:17:39.140 Und natürlich auch dann später, wenn wir zum Beispiel ein Modell gebaut haben und die Ergebnisse untersuchen wollen, 00:17:39.140 --> 00:17:43.020 wie sind unsere Prognosen verteilt, welche Zusammenhänge hat das Modell gefunden? 00:17:43.020 --> 00:17:47.640 Auch da ist dann natürlich die Visualisierung total wichtig und sinnvoll. 00:17:47.640 --> 00:17:54.180 Man kann es einfach viel, viel, viel schneller erfassen, als wenn man das irgendwie alles versucht in Tabellen, 00:17:54.200 --> 00:17:55.300 in Tabellen zu vermitteln. 00:17:55.300 --> 00:17:57.480 Wie visualisiert ihr denn am liebsten? 00:17:57.480 --> 00:18:07.560 Ja, das ist irgendwie ganz witzig, weil ich in Python noch nie so richtig, ja gut, so ein bisschen habe ich auch in Python. 00:18:07.560 --> 00:18:13.360 Wir haben früher sehr viel, da waren auch weniger mit Dashboards und so weiter. 00:18:13.360 --> 00:18:16.600 Da war es oft noch so, dass wir so einen Datendump bekommen haben und haben damit dann was gemacht. 00:18:16.600 --> 00:18:19.880 Und da waren wir noch in R unterwegs und haben für ggplot2 benutzt. 00:18:19.880 --> 00:18:20.900 Ja, super. 00:18:20.900 --> 00:18:23.900 Und inzwischen sind wir dann meistens, 00:18:24.200 --> 00:18:29.360 meistens in einem Dashboard-System unterwegs, das halt beim Kunden einfach genutzt wird, 00:18:29.360 --> 00:18:34.060 sodass wir dann in dem Tool, was der benutzt, das implementieren, 00:18:34.060 --> 00:18:36.980 weil das jetzt in AWS oder Azure oder was auch immer die nutzen. 00:18:36.980 --> 00:18:40.440 Und wir machen dann da das, was da in dem System gewünscht ist. 00:18:40.440 --> 00:18:44.480 Wir haben auch ein paar Dashboards mal gebaut in, 00:18:44.480 --> 00:18:46.460 was ist das denn jetzt noch? 00:18:46.460 --> 00:18:48.280 Ich habe den Namen nicht vergessen. 00:18:48.280 --> 00:18:50.340 Notly Dash oder Detroit Dash. 00:18:50.340 --> 00:18:52.600 Genau, Redash ist ein Open-Source-Tool. 00:18:52.600 --> 00:18:54.180 Das ist ein Open-Source-Tool. 00:18:54.180 --> 00:18:55.740 Das benutzen wir dann auch ganz gerne. 00:18:55.740 --> 00:18:58.760 Da kann man dann auch gerade praktischerweise noch Alarme dazu definieren, 00:18:58.760 --> 00:18:59.940 um seine Daten zu überwachen. 00:18:59.940 --> 00:19:02.000 Das nutzen wir auch sehr gerne. 00:19:02.000 --> 00:19:03.180 Okay. 00:19:03.180 --> 00:19:07.520 Und wie läuft denn so ein Prozess bei euch ab? 00:19:07.520 --> 00:19:08.560 Ihr habt jetzt irgendwie Daten. 00:19:08.560 --> 00:19:10.060 Ich glaube, du wolltest da auch nochmal drauf eingehen. 00:19:10.060 --> 00:19:11.020 Ja, gerne. 00:19:11.020 --> 00:19:12.020 Und so einen Auftrag. 00:19:12.020 --> 00:19:12.460 Und dann? 00:19:12.460 --> 00:19:15.480 Also klar, manchmal steigen wir auch mittendrin ein. 00:19:15.480 --> 00:19:17.080 Aber ich fange jetzt trotzdem mal vorne an. 00:19:17.080 --> 00:19:18.500 Oft sind wir auch vorne dabei. 00:19:18.500 --> 00:19:21.360 Das ist jetzt vor allem aus meiner Sicht als Beraterin. 00:19:21.360 --> 00:19:22.780 Das fühlt sich natürlich ein bisschen anders an, 00:19:22.780 --> 00:19:23.980 wenn man die im Unternehmen erzählt. 00:19:23.980 --> 00:19:24.160 Das heißt, 00:19:24.160 --> 00:19:25.300 die ganze Zeit ist. 00:19:25.300 --> 00:19:29.840 Aber für mich als Beraterin sind das eigentlich so sieben Schritte. 00:19:29.840 --> 00:19:31.380 Erstmal das Problemverständnis, 00:19:31.380 --> 00:19:35.160 dann die Daten einzusammeln und zu verstehen, 00:19:35.160 --> 00:19:36.500 dann die Datenaufbereitung, 00:19:36.500 --> 00:19:37.560 dann kommt die Modellierung. 00:19:37.560 --> 00:19:39.320 Man merkt, das ist nur ein Schritt, diese Modellierung. 00:19:39.320 --> 00:19:41.600 Oft denkt man, das ist zu viel, aber es ist nur ein kleiner Schritt. 00:19:41.600 --> 00:19:44.220 Dann die Evaluation des Modells. 00:19:44.220 --> 00:19:47.160 Und dann gehört eigentlich dazu ja auch noch eine Automatisierung 00:19:47.160 --> 00:19:49.300 und Monitoring und Wartung. 00:19:49.300 --> 00:19:51.500 Wobei die letzten zwei Schritte natürlich vom Aufwand her 00:19:51.500 --> 00:19:53.900 nochmal einen sehr, sehr großen Teil einnehmen. 00:19:54.140 --> 00:19:58.700 Das ist auch jetzt angelehnt an den CRISP-DM, wenn das was sagt. 00:19:58.700 --> 00:20:02.000 Das ist der Cross-Industry Standard Process for Data Mining. 00:20:02.000 --> 00:20:04.340 Data Mining klingt so ein bisschen angestaubt, der Begriff. 00:20:04.340 --> 00:20:10.040 Aber man könnte es halt einfach Datenprojekte nennen. 00:20:10.040 --> 00:20:15.180 Und ja, am Anfang ist es bei uns dann tatsächlich auch so, 00:20:15.180 --> 00:20:18.540 dass KundInnen zu uns kommen und schon was haben, 00:20:18.540 --> 00:20:21.240 was sie, also sagt schon das, was sie brauchen. 00:20:21.240 --> 00:20:24.120 Das geht dann auch in die Richtung, 00:20:24.120 --> 00:20:27.620 manchmal macht es aber trotzdem Sinn, sich das nochmal genauer anzuschauen 00:20:27.620 --> 00:20:31.560 und zu verstehen, warum sie das brauchen und was sie wirklich brauchen. 00:20:31.560 --> 00:20:34.900 Und vielleicht ist es dann doch so ein bisschen anders. 00:20:34.900 --> 00:20:38.860 Und ich meine, zu diesem Thema kann man ganze Workshops, 00:20:38.860 --> 00:20:39.820 mehrtägige Workshops machen. 00:20:39.820 --> 00:20:41.640 Es gibt ganze Unternehmen, die nichts anderes machen, 00:20:41.640 --> 00:20:43.880 als Use Cases zu identifizieren und zu prüfen. 00:20:43.880 --> 00:20:47.020 Das können wir auch ein Stück weit mitmachen, 00:20:47.020 --> 00:20:48.100 aber das ist nicht unser Schwerpunkt. 00:20:48.100 --> 00:20:51.340 Also ist es meistens dann schon eher so, dass da schon Ideen da sind. 00:20:51.340 --> 00:20:53.360 Wir aber das auch alles nochmal so ein bisschen challengen. 00:20:54.100 --> 00:20:57.600 Wenn wir einen Kick-Off haben, wo wir mit den Kunden sprechen, 00:20:57.600 --> 00:21:00.180 um das Geschäftsmodell zu verstehen, um genau zu verstehen, 00:21:00.180 --> 00:21:04.000 wer das eigentlich nutzen wird, was die genau machen wollen. 00:21:04.000 --> 00:21:06.960 Es ist natürlich total wichtig, dass wir eben prüfen, 00:21:06.960 --> 00:21:08.160 was brauchen die wirklich genau? 00:21:08.160 --> 00:21:09.940 Und brauchen die zum Beispiel vielleicht was in Echtzeit? 00:21:09.940 --> 00:21:12.300 Dann ist es natürlich ganz anders, als wenn das ausreicht, 00:21:12.300 --> 00:21:14.580 dass man jeden Morgen einmal aktuelle Werte berechnet. 00:21:14.580 --> 00:21:19.160 Und wer sitzt da und wo benutzen die das genau? 00:21:19.160 --> 00:21:24.040 Ist das irgendwo an einem Counter oder ist es am Telefon? 00:21:24.080 --> 00:21:26.660 Oder ist es irgendwo, wo es kein gutes Internet gibt und so? 00:21:26.660 --> 00:21:29.380 Und all das muss man natürlich wissen, um auch rauszufinden, was die brauchen. 00:21:29.380 --> 00:21:34.140 Und dann ist der nächste Schritt, sich zu überlegen, wie können wir das machen? 00:21:34.140 --> 00:21:35.980 Und haben wir eigentlich auch die passenden Daten? 00:21:35.980 --> 00:21:41.400 Und dann haben wir vielleicht die notwendigen Daten und ein paar andere Sachen sind vielleicht nicht ganz so notwendig. 00:21:41.400 --> 00:21:42.640 Man kann trotzdem anfangen. 00:21:42.640 --> 00:21:48.620 Ja, das ist der erste Schritt und den sollte man nicht unterschätzen. 00:21:48.620 --> 00:21:49.700 Besorgt ihr die dann auch? 00:21:49.700 --> 00:21:54.060 Also baut ihr irgendwo neue Sensoren ein oder sowas und kümmert euch darum, dass ihr in irgendwelchen Datenbanken 00:21:54.060 --> 00:21:56.340 landen, die ihr dann zur Auswertung mit benutzt? 00:21:56.340 --> 00:21:59.780 Oder geht ihr davon aus, dass das Business alles mit besorgt? 00:21:59.780 --> 00:22:02.600 Es ist normalerweise so, dass die Daten schon da sind. 00:22:02.600 --> 00:22:08.060 Und dadurch, dass wir ja auch eher komplexe Fragestellungen beantworten, 00:22:08.060 --> 00:22:12.060 sind das in der Regel halt auch Kunden, die schon mit den Daten irgendwas gemacht haben. 00:22:12.060 --> 00:22:15.080 Natürlich kennen wir nicht jede Datenquelle von vorne bis hinten auswendig 00:22:15.080 --> 00:22:16.480 und man findet immer noch Überraschungen. 00:22:16.480 --> 00:22:20.100 Aber das ist dann normalerweise nicht so, dass sie sagen, 00:22:20.100 --> 00:22:23.400 wir wollen hier dieses super komplexe Modell, aber wir haben noch gar keine Daten. 00:22:23.400 --> 00:22:24.040 Wir müssen die erstmal suchen. 00:22:24.040 --> 00:22:29.340 Normalerweise sind die da schon relativ weit oben auf der Datenreifeskala. 00:22:29.340 --> 00:22:31.940 Und selbst wenn nicht, sind die Daten meistens schon da, 00:22:31.940 --> 00:22:35.120 weil ganz viele Daten ja einfach automatisch mitgesammelt werden. 00:22:35.120 --> 00:22:38.900 Zum Beispiel im Online-Shop hat man natürlich jede Menge Daten über vergangene Bestellungen und so weiter. 00:22:38.900 --> 00:22:40.860 Also die Daten sind eigentlich immer schon da. 00:22:40.860 --> 00:22:44.580 Die Frage ist nur, sind die Daten da, die man braucht? 00:22:44.580 --> 00:22:47.040 Und wenn sie nicht da sind, dann ist das erstmal noch ein weiter Weg normalerweise. 00:22:47.040 --> 00:22:51.660 Vielleicht ist mal ein richtiges Data Warehouse da oder man kann die nochmal nicht zusammenführen. 00:22:51.660 --> 00:22:53.660 Das ist oft dann... 00:22:54.040 --> 00:22:57.280 Dann ist es noch ein weiterer Weg, bis wir da tatsächlich loslegen können. 00:22:57.280 --> 00:23:01.520 Wie würdest du denn so ein neues Unternehmen strukturieren, 00:23:01.520 --> 00:23:06.460 wenn du darauf achten würdest, dass du ordentliche Daten irgendwann brauchst? 00:23:06.460 --> 00:23:12.020 Würdest du direkt hingehen und das alles vom Scratch implementieren mit dem, was du am besten hältst? 00:23:12.020 --> 00:23:16.080 Oder würdest du das erstmal egal, das wachsen lassen und dann irgendwie zusammenflanschen? 00:23:16.080 --> 00:23:21.160 Also ich glaube, das kommt darauf an, wie sehr das Geschäftsmodell von Daten abhängt. 00:23:21.160 --> 00:23:23.460 Also wenn das ein Unternehmen ist, das irgendwelche Gegenstände produziert, 00:23:24.040 --> 00:23:27.920 dann denke ich, ist es nicht ganz so wichtig, dass man ganz viele Daten sammelt. 00:23:27.920 --> 00:23:31.220 Dann kann man sich erstmal darauf konzentrieren und dann nach und nach einsteigen. 00:23:31.220 --> 00:23:34.580 Aber es gibt ja auch Geschäftsmodelle, die eigentlich nur so gut funktionieren, 00:23:34.580 --> 00:23:40.620 weil mit Daten gearbeitet wird und dann muss es wahrscheinlich von Anfang an auch berücksichtigt werden. 00:23:40.620 --> 00:23:41.940 Also ich habe jetzt noch nie ein Unternehmen gegründet. 00:23:41.940 --> 00:23:44.660 Ich bin ja geschickt erst eingestiegen, als das Unternehmen schon da war. 00:23:44.660 --> 00:23:49.060 Aber ich vermute, wenn man sowas wie Amazon oder so, 00:23:49.060 --> 00:23:53.080 da wurde ja von Anfang an wahrscheinlich mitgedacht, was man da mit Daten machen kann. 00:23:53.080 --> 00:23:54.020 Oder zumindest relativ früh. 00:23:54.040 --> 00:23:58.520 Und was für Technologien benutzt ihr so? Mit Python für diese einzelnen Schritte? 00:23:58.520 --> 00:24:03.260 Ja, also wir sind natürlich ganz viel mit Pandas unterwegs. 00:24:03.260 --> 00:24:07.460 Von der Datenaufbereitung über die Modellierung. 00:24:07.460 --> 00:24:13.040 Da kommt dann auch sowas wie Scikit-Learn dazu oder TensorFlow, Keras, PyTrips, eigentlich so die Klassiker. 00:24:13.040 --> 00:24:16.520 Pandas ist ein interessantes Thema, weil Pandas, 00:24:16.520 --> 00:24:20.000 also wer schon mal mit Pandas im Kurs von Daten gearbeitet hat, 00:24:20.000 --> 00:24:24.000 denkt sich jetzt unbedingt, ich will es nicht mehr hören, weil Pandas halt sehr, sehr viel, 00:24:24.040 --> 00:24:26.320 sehr viel Arbeitsspeicher braucht, wenn die Datensätze größer sind. 00:24:26.320 --> 00:24:30.920 Es ist aber natürlich zu Prototypen oder generell für kleine Datensätze total super, 00:24:30.920 --> 00:24:34.120 weil es ganz, ganz viel kann und weil man auch ganz viel im Netz findet. 00:24:34.120 --> 00:24:40.320 Also genau, wenn die Daten aber größer werden, dann hat man natürlich das Arbeitsspeicherproblem 00:24:40.320 --> 00:24:45.160 und dann ist der Klassiker natürlich, auf Spark, PySpark umzusteigen. 00:24:45.160 --> 00:24:51.340 Was auch jetzt in letzter Zeit ganz, das ist natürlich toll, weil es ganz verteilt ist. 00:24:51.340 --> 00:24:54.020 Wobei es nicht unbedingt schnell ist, aber es kann halt eben, 00:24:54.020 --> 00:24:57.980 mit großen Datensätzen umgehen und man hat erstmal dieses Arbeitsspeicherproblem gelöst, 00:24:57.980 --> 00:25:01.520 was man eben mit Pandas irgendwann eigentlich gar nicht mehr lösen kann. 00:25:01.520 --> 00:25:04.020 Und dann gibt es jetzt natürlich noch seit... 00:25:04.020 --> 00:25:07.540 Aber ich meine, die Erfahrung, die ich oft mache, ist, dass man die, 00:25:07.540 --> 00:25:12.960 bei vielen so kategorialen Variablen oder so, die kann man dann halt auf irgendwie 00:25:12.960 --> 00:25:18.660 ein kleineres, einen kleineren Datentyp irgendwie runter komprimieren oder halt oft hat man dann 00:25:18.660 --> 00:25:20.580 halt irgendwie für viele, oder wenn man jetzt 00:25:20.580 --> 00:25:22.560 nur Flex hat, irgendwie ja oder 00:25:22.560 --> 00:25:24.520 nein oder so, wenn man da nur ein Bit nimmt, ist 00:25:24.520 --> 00:25:26.540 halt sehr viel weniger, als wenn man da irgendwie ein volles 00:25:26.540 --> 00:25:27.740 Integer oder so für nimmt. 00:25:27.740 --> 00:25:30.580 Oft hilft 00:25:30.580 --> 00:25:32.080 das dann schon, aber ja, stimmt. 00:25:32.080 --> 00:25:34.580 Aber manchmal, wenn man die Daten einliest, dann 00:25:34.580 --> 00:25:36.460 je nachdem kann man das, glaube ich, gar nicht 00:25:36.460 --> 00:25:38.380 unbedingt spezifizieren am Anfang und dann sind die 00:25:38.380 --> 00:25:39.000 einfach groß. 00:25:39.000 --> 00:25:41.540 Oder auch selbst wenn, also ich meine, 00:25:41.540 --> 00:25:43.960 so mehrere Jahre stündliche 00:25:43.960 --> 00:25:46.220 Verkaufsdaten von ganz vielen Artikeln aus ganz 00:25:46.220 --> 00:25:47.680 vielen Filialen aus mehreren Ländern. 00:25:48.380 --> 00:25:50.200 Ja. Dann, ja, 00:25:50.200 --> 00:25:52.160 dann wird es irgendwie 00:25:52.160 --> 00:25:54.320 schwierig und dann ist das Verteilte schon gut. 00:25:54.320 --> 00:25:56.360 Und dann gibt es halt noch Polars, 00:25:56.360 --> 00:25:58.080 womit man dann auch 00:25:58.080 --> 00:26:00.200 oft schneller ist und halt auch 00:26:00.200 --> 00:26:01.800 weniger Arbeitsspeicher braucht. 00:26:01.800 --> 00:26:04.180 Also wenn du das nicht kennst, Polars, das ist dann Rust 00:26:04.180 --> 00:26:06.200 nachgeschrieben mit der gleichen API, so ein bisschen wie 00:26:06.200 --> 00:26:08.360 Pandas. Ja, es ist, ne, es hat 00:26:08.360 --> 00:26:10.020 eine sehr viel saubere, also kleinere, 00:26:10.020 --> 00:26:12.040 es hat weniger Funktionen, aber es ist halt 00:26:12.040 --> 00:26:14.160 auch ein bisschen konsistenter, 00:26:14.160 --> 00:26:16.220 weil Pandas ist halt auch irgendwie sehr stark 00:26:16.220 --> 00:26:18.100 so historisch gewachsen 00:26:18.100 --> 00:26:19.920 und man wusste noch nicht genau, wo man hin will und 00:26:19.920 --> 00:26:21.780 dann teilweise inkonsistent und 00:26:21.780 --> 00:26:22.260 ja, 00:26:22.260 --> 00:26:25.600 ja, Pandas ist halt, ja. 00:26:25.600 --> 00:26:27.480 Wie das halt so ist. Genau, wie das halt so ist. 00:26:27.480 --> 00:26:29.720 Ich habe noch gar nicht so viel mit Polars 00:26:29.720 --> 00:26:31.720 gearbeitet. Ich weiß gar nicht, ob die 00:26:31.720 --> 00:26:33.520 eigentlich schon das Ziel haben, da die 00:26:33.520 --> 00:26:35.800 meisten Funktionen aus Pandas 00:26:35.800 --> 00:26:37.800 auch zu implementieren oder ob die vielleicht sogar sagen, 00:26:37.800 --> 00:26:39.440 es soll schlanker bleiben, weiß ich gar nicht. Genau, ne, ich 00:26:39.440 --> 00:26:41.340 meine, also sie sind absichtlich, 00:26:41.340 --> 00:26:43.540 wollen sie nicht komplett irgendwie alles 00:26:43.540 --> 00:26:45.460 machen, was Pandas halt kann, sondern 00:26:45.460 --> 00:26:47.760 ja, quasi bei den 00:26:47.760 --> 00:26:49.560 Basisgeschichten so schnell sein, dass man 00:26:49.560 --> 00:26:51.560 halt daraus alles bauen kann, aber 00:26:51.560 --> 00:26:53.480 dann halt nicht so eine Spezialsyntax dafür hat. 00:26:53.480 --> 00:26:55.460 Benutzt ihr auch dann 00:26:55.460 --> 00:26:57.240 zwischendurch noch Pure NumPy oder? 00:26:57.240 --> 00:26:59.600 Ja, immer mal so für kleine Sachen, 00:26:59.600 --> 00:27:01.640 wo es gerade Sinn 00:27:01.640 --> 00:27:03.660 macht. Oft 00:27:03.660 --> 00:27:05.680 sind ja, ist man mit Datensätzen unterwegs 00:27:05.680 --> 00:27:07.420 und dann passiert es halt meistens 00:27:07.420 --> 00:27:08.320 in Pandas. 00:27:08.320 --> 00:27:11.560 Vielleicht hast du eben gesagt, man muss 00:27:11.560 --> 00:27:13.160 erst mal wissen, was ein Datensatz ist, bevor man jetzt drüber 00:27:13.160 --> 00:27:15.580 redet. Du meinst jetzt irgendwie, du hast eine Maske auf, 00:27:15.580 --> 00:27:16.880 mit der du guckst oder 00:27:16.880 --> 00:27:17.080 was? 00:27:17.080 --> 00:27:18.600 Ähm, was ist ein Datensatz 00:27:18.600 --> 00:27:19.060 in Pandas? 00:27:19.060 --> 00:27:22.420 Ist das jetzt eine Wissensfrage? 00:27:22.420 --> 00:27:26.480 Ja doch, du müsst ja vielleicht schon erklären, wie das 00:27:26.480 --> 00:27:27.160 funktioniert. 00:27:27.160 --> 00:27:30.500 Ja, um die Daten anzugucken, 00:27:30.500 --> 00:27:31.960 würde ich, na gut, 00:27:31.960 --> 00:27:34.080 es ist irgendwie schön, wenn man einmal so ein bisschen 00:27:34.080 --> 00:27:36.260 den Head anzeigt, also die ersten paar 00:27:36.260 --> 00:27:38.300 Zeilen und sieht, was da eigentlich so grundsätzlich, was 00:27:38.300 --> 00:27:40.460 das für Spalten sind, welche Namen die haben und welche 00:27:40.460 --> 00:27:42.480 Zahlen da so ungefähr drinstehen 00:27:42.480 --> 00:27:44.360 und dann würde ich aber relativ schnell 00:27:44.360 --> 00:27:46.260 in eine deskriptive Analyse gehen und mir 00:27:46.260 --> 00:27:47.980 beispielsweise von jeder Spalte dann 00:27:47.980 --> 00:27:49.520 Summary Statistics, also 00:27:49.520 --> 00:27:52.520 Minimum, Maximum, Mittelwert, Median 00:27:52.520 --> 00:27:54.220 und vielleicht Quantile anschauen 00:27:54.220 --> 00:27:56.160 oder eben auch Verteilungen plotten, 00:27:56.160 --> 00:27:58.500 so dass man das sieht oder Kategorien 00:27:58.500 --> 00:27:59.840 anzeigen, je nachdem, was das so ist. 00:27:59.840 --> 00:28:01.980 Ähm, sonst, ja, 00:28:01.980 --> 00:28:04.160 die ganze Tabelle, also man hat 00:28:04.160 --> 00:28:05.880 natürlich eine Tabelle als Pandas DataFrame, 00:28:05.880 --> 00:28:08.080 die könnte man theoretisch ja auch irgendwie als CSV 00:28:08.080 --> 00:28:09.940 speichern oder als Excel und da angucken. 00:28:09.940 --> 00:28:12.100 Das ist auch ganz praktisch, um sich die mal 00:28:12.100 --> 00:28:13.780 anzugucken, wenn die Daten klein genug sind. 00:28:13.780 --> 00:28:15.920 Manchmal ist es sogar wirklich ganz nett, 00:28:16.060 --> 00:28:17.640 um mal einfache Analysen zu machen, zum 00:28:17.640 --> 00:28:19.320 Ausprobieren, um gespürt zu bekommen, 00:28:19.320 --> 00:28:21.720 aber es ist dann eher so ein manueller Schritt 00:28:21.720 --> 00:28:23.860 und um wirklich, wirklich Insights 00:28:23.860 --> 00:28:25.660 dann zu haben und die Daten zu verstehen, 00:28:25.660 --> 00:28:27.840 ja, muss man dann, wenn der Datensatz 00:28:27.840 --> 00:28:29.060 groß genug ist, natürlich irgendwie 00:28:29.060 --> 00:28:31.600 in die Summary Statistics gehen 00:28:31.600 --> 00:28:33.540 und es ist auch oft, 00:28:33.540 --> 00:28:35.700 also selbst, wenn man jetzt nach dieser 00:28:35.700 --> 00:28:37.640 ersten Datenanalyse aufhören würde, 00:28:37.640 --> 00:28:39.760 ist es oft an sich schon ganz 00:28:39.760 --> 00:28:41.900 interessant und oft 00:28:41.900 --> 00:28:44.020 haben unsere KundInnen ja 00:28:44.020 --> 00:28:46.020 genau diese Analyse auch noch nicht gemacht, 00:28:46.020 --> 00:28:47.640 und lernen dabei auch noch was Neues. 00:28:47.640 --> 00:28:50.120 Einmal hatten wir aber sogar auch den Fall, 00:28:50.120 --> 00:28:51.940 dass wir, ja, dass sie dann 00:28:51.940 --> 00:28:54.140 gemerkt haben, dass da irgendwo ein Fehler im Data Warehouse 00:28:54.140 --> 00:28:55.960 ist und da war irgendwie so ein riesiger Strukturbruch, 00:28:55.960 --> 00:28:57.980 der da eigentlich gar nicht sein sollte und dann haben sie 00:28:57.980 --> 00:28:59.900 sich erstmal nochmal ein paar Monate zurückgezogen und 00:28:59.900 --> 00:29:02.020 haben das alles repariert und danach konnten 00:29:02.020 --> 00:29:03.740 wir das Projekt dann tatsächlich machen, aber das 00:29:03.740 --> 00:29:05.680 wussten sie vorher nicht und haben es dann gesehen 00:29:05.680 --> 00:29:08.000 durch unsere Datenvalidierung, dass da irgendwo 00:29:08.000 --> 00:29:09.400 ein Problem ist beim Zusammenführen. 00:29:09.400 --> 00:29:11.960 Ja, spannend. Also manchmal 00:29:11.960 --> 00:29:13.920 sagen sie mir das. Ich habe einmal den Fall gehabt, dann 00:29:13.920 --> 00:29:15.620 waren die ganze Zeit irgendwelche so, 00:29:15.980 --> 00:29:18.040 Irregularitäten irgendwie in so einem Datenflur, 00:29:18.040 --> 00:29:19.900 die da gar nicht hingehörten. Man hat irgendwie was bewundert, 00:29:19.900 --> 00:29:21.920 was ist denn das? Und irgendwann ist jemand auf die 00:29:21.920 --> 00:29:23.620 Decke gekommen, ist dann zum Förderbank gegangen, hat in 00:29:23.620 --> 00:29:26.100 die Decke geguckt und da war oben ein Fenster auf 00:29:26.100 --> 00:29:28.160 und dann war dann die Temperatur immer anders, 00:29:28.160 --> 00:29:29.960 weil dann das Fenster aufgelassen worden ist und so. 00:29:29.960 --> 00:29:30.920 Das war spannend, ja. 00:29:30.920 --> 00:29:34.220 Cool ist natürlich auch, 00:29:34.220 --> 00:29:36.020 wenn man dann sieht, ah ja, hier gehen die Sales hoch, 00:29:36.020 --> 00:29:38.000 da war unsere riesige Werbekampagne und das 00:29:38.000 --> 00:29:39.660 macht alles Sinn und das ist natürlich auch schön, 00:29:39.660 --> 00:29:42.000 wenn es einfach funktioniert und man das in den Daten sieht. 00:29:42.000 --> 00:29:43.320 Ja. 00:29:43.320 --> 00:29:44.900 Ja, auf jeden Fall. 00:29:45.940 --> 00:29:47.000 Ah, was mich noch 00:29:47.000 --> 00:29:48.940 interessieren würde, wenn ihr tatsächlich 00:29:48.940 --> 00:29:50.820 so Produkte 00:29:50.820 --> 00:29:52.400 baut mit 00:29:52.400 --> 00:29:54.560 Modellen drin und so und die 00:29:54.560 --> 00:29:56.560 vielleicht Echtzeit irgendwas, wie deployed ihr 00:29:56.560 --> 00:29:58.380 eigentlich eure Modelle dann 00:29:58.380 --> 00:30:00.800 oder habt ihr da Präferenzen 00:30:00.800 --> 00:30:02.800 oder, weil das ist immer so 00:30:02.800 --> 00:30:04.620 ein bisschen, das machen Leute unterschiedlich und 00:30:04.620 --> 00:30:06.740 ich weiß nicht, ob es da jetzt irgendwie 00:30:06.740 --> 00:30:08.820 so ein Standardding gibt, was man machen kann, aber 00:30:08.820 --> 00:30:10.720 ja, das ist auf jeden Fall immer 00:30:10.720 --> 00:30:11.840 irgendwie nicht so ganz einfach gewesen. 00:30:11.840 --> 00:30:13.900 Also grundsätzlich 00:30:13.900 --> 00:30:15.900 gilt da natürlich, wir machen das 00:30:15.900 --> 00:30:16.740 was die Kunden wollen. 00:30:16.740 --> 00:30:19.920 Aber tatsächlich, wir sind ja dann oft eine Infrastruktur 00:30:19.920 --> 00:30:21.740 von den Kunden unterwegs, aber nicht immer, weil 00:30:21.740 --> 00:30:23.720 manche, zum Beispiel hatten wir ein Projekt, da darf ich 00:30:23.720 --> 00:30:25.880 zum Glück auch drüber reden, darf man ja nicht 00:30:25.880 --> 00:30:28.180 bei jedem Kunden, das war für die Berliner Senatsverwaltung 00:30:28.180 --> 00:30:29.660 eine Luftschadstoffprognose, 00:30:29.660 --> 00:30:31.660 also läuft auch noch, aber das machen wir jetzt nur noch 00:30:31.660 --> 00:30:33.760 Wartung, das ist soweit beschlossen und 00:30:33.760 --> 00:30:36.040 die haben keine Vorgaben 00:30:36.040 --> 00:30:37.800 gemacht zur Infrastruktur, die haben halt kein ABS 00:30:37.800 --> 00:30:39.780 oder Azure und da konnten wir es halt so machen, 00:30:39.780 --> 00:30:41.780 wie wir wollten und ich gucke mir gerade 00:30:41.780 --> 00:30:44.260 nebenbei in unseren Blogartikel 00:30:44.260 --> 00:30:45.860 rein dazu, weil 00:30:45.860 --> 00:30:47.620 ihr da, da kann ich mich 00:30:47.620 --> 00:30:49.740 alles nochmal genau nachgucken, wie wir es gemacht 00:30:49.740 --> 00:30:51.680 haben, da haben 00:30:51.680 --> 00:30:53.860 wir, konnten wir 00:30:53.860 --> 00:30:55.620 ganz frei entscheiden, was wir haben 00:30:55.620 --> 00:30:57.820 wollen und haben dann 00:30:57.820 --> 00:30:58.400 mit 00:30:58.400 --> 00:31:01.740 Kubernetes gearbeitet, das ist auch alles 00:31:01.740 --> 00:31:03.620 schön selbst aufgesetzt und da 00:31:03.620 --> 00:31:05.680 laufen dann automatisierte Jobs drin 00:31:05.680 --> 00:31:07.240 und 00:31:07.240 --> 00:31:09.720 wir haben, na gut, das hat jetzt weniger mit 00:31:09.720 --> 00:31:11.200 Deployment zu tun, aber wir haben da dann 00:31:11.200 --> 00:31:13.620 eine Clickhouse-Datenbank, die ist ganz cool für 00:31:13.620 --> 00:31:15.740 große Datenmengen und 00:31:15.740 --> 00:31:17.140 haben dann 00:31:17.140 --> 00:31:19.620 Docker-Container, in denen unsere Prozesse 00:31:19.620 --> 00:31:21.540 dann laufen, da haben wir auch 00:31:21.540 --> 00:31:23.560 Relash benutzt, wie ich erwähnt habe, das benutzen 00:31:23.560 --> 00:31:25.520 wir dann auch für die Alerts, um zu gucken, sind 00:31:25.520 --> 00:31:27.580 alle Input-Daten da, sind alle Prognosen 00:31:27.580 --> 00:31:29.500 so erstellt worden, wie wir wollen, sind so 00:31:29.500 --> 00:31:31.460 viele Prognosen in der Tabelle, wie wir erwarten 00:31:31.460 --> 00:31:33.700 würden und so weiter und 00:31:33.700 --> 00:31:34.980 in dem Projekt ist tatsächlich 00:31:34.980 --> 00:31:37.540 nur, im Hintern haben wir Relash für die 00:31:37.540 --> 00:31:39.440 Visualisierung benutzt, nach außen gehen 00:31:39.440 --> 00:31:41.580 die Daten tatsächlich, unsere Prognosen 00:31:41.580 --> 00:31:43.240 gehen einfach über eine REST-API raus 00:31:43.240 --> 00:31:45.560 und werden dann im Tool, 00:31:45.620 --> 00:31:47.520 visualisiert, dass diese NATS-Verwaltung schon hatte 00:31:47.520 --> 00:31:49.360 oder auch die API ist frei 00:31:49.360 --> 00:31:51.260 verfügbar, könnte auch jeder abrufen, haben auch schon 00:31:51.260 --> 00:31:53.200 ein paar andere dann mal gemacht, genau 00:31:53.200 --> 00:31:55.520 mit Kubernetes ist natürlich immer ganz schön, ansonsten 00:31:55.520 --> 00:31:57.600 bei einigen 00:31:57.600 --> 00:31:59.520 Kunden läuft dann viel mit den 00:31:59.520 --> 00:32:01.480 Diensten von AWS, jetzt bei dem 00:32:01.480 --> 00:32:03.180 Kunden, wo ich bin, sind wir 00:32:03.180 --> 00:32:05.700 im Azure-Universum, wobei 00:32:05.700 --> 00:32:07.520 ich da mit dem Deployment nichts zu 00:32:07.520 --> 00:32:09.380 tun habe, weil das machen wir halt 00:32:09.380 --> 00:32:11.460 andere, deshalb bin ich auch immer nur so am Rande 00:32:11.460 --> 00:32:13.380 natürlich dabei, also kann irgendwie 00:32:13.380 --> 00:32:15.420 in die Kubernetes kurz mal reingucken, aber ich 00:32:15.500 --> 00:32:17.300 kann die nicht, 00:32:17.300 --> 00:32:19.120 kann das nicht aufsetzen oder 00:32:19.120 --> 00:32:21.360 macht dann nicht die Deployments. 00:32:21.360 --> 00:32:23.540 Ja, was mich da mal, oder das Problem, 00:32:23.540 --> 00:32:25.140 das ich da mal hatte, ist halt, 00:32:25.140 --> 00:32:27.320 dass wenn jetzt Leute quasi in 00:32:27.320 --> 00:32:29.400 Notebooks irgendwas modellieren oder so, wie kriegen sie denn 00:32:29.400 --> 00:32:31.320 dann, wenn sie jetzt rauskriegen, ah, wenn ich 00:32:31.320 --> 00:32:33.440 dieses Modell so parametrisiere oder 00:32:33.440 --> 00:32:35.560 so, oder, ja, man hat dann normalerweise 00:32:35.560 --> 00:32:37.540 eine ganze Pipeline von Daten 00:32:37.540 --> 00:32:38.880 kommen rein, dann werden sie irgendwie transformiert 00:32:38.880 --> 00:32:41.400 und dann hat man halt hinterher irgendwie 00:32:41.400 --> 00:32:42.260 Predictions oder so, 00:32:42.260 --> 00:32:44.900 wie kriege ich das Ding denn jetzt, 00:32:45.380 --> 00:32:47.440 quasi in das Produktionssystem 00:32:47.440 --> 00:32:49.020 integriert und 00:32:49.020 --> 00:32:51.040 das, was wir dann gemacht hatten, 00:32:51.040 --> 00:32:53.180 war halt quasi 00:32:53.180 --> 00:32:54.240 aus dem Notebook direkt 00:32:54.240 --> 00:32:57.100 sozusagen ein Konterpaket zu 00:32:57.100 --> 00:32:58.180 bauen, das hochzuladen, 00:32:58.180 --> 00:33:00.980 in Django Filefield zu speichern und dann auch 00:33:00.980 --> 00:33:02.960 über eine JSON-AP dann die Ergebnisse wieder zurückzugeben, 00:33:02.960 --> 00:33:05.020 aber das fühlte sich 00:33:05.020 --> 00:33:07.000 so ein bisschen falsch an oder so, so auf jeden Fall 00:33:07.000 --> 00:33:08.940 nach, gibt es da nicht irgendeine einfache Möglichkeit, 00:33:08.940 --> 00:33:10.000 wie man das machen kann? 00:33:10.000 --> 00:33:11.920 Ich weiß nicht, ob es einfacher ist, aber 00:33:11.920 --> 00:33:14.020 wir sind auch ganz wenig 00:33:14.020 --> 00:33:15.300 eigentlich mal in Jupyter Note, 00:33:15.300 --> 00:33:15.340 aber wir sind auch ganz wenig eigentlich mal in Jupyter Note, 00:33:15.340 --> 00:33:15.360 aber wir sind auch ganz wenig eigentlich mal in Jupyter Note, 00:33:15.360 --> 00:33:16.120 auf dem Notebooks unterwegs, 00:33:16.120 --> 00:33:19.380 sondern, ja, entweder, wenn wir 00:33:19.380 --> 00:33:21.200 was schnell visualisieren wollen, geht das tatsächlich 00:33:21.200 --> 00:33:23.180 ja mit so einem Tool wie Redash auch schneller, als wenn man 00:33:23.180 --> 00:33:23.660 dann anfängt, 00:33:23.660 --> 00:33:27.320 mal Plotlib-Code zu schreiben, 00:33:27.320 --> 00:33:29.520 dann ist Clicky-Bunty 00:33:29.520 --> 00:33:31.240 manchmal gar nicht so blöd und schlecht, 00:33:31.240 --> 00:33:33.300 wie es klingt und 00:33:33.300 --> 00:33:35.020 dann, wenn wir dann die 00:33:35.020 --> 00:33:36.920 Code-Free-Modellierung haben, dann ist es halt wirklich, 00:33:36.920 --> 00:33:39.200 das ist ein 00:33:39.200 --> 00:33:40.560 Python-Paket, wir haben 00:33:40.560 --> 00:33:42.120 das dann, 00:33:42.120 --> 00:33:44.240 automatisieren es dann meistens 00:33:44.240 --> 00:33:45.280 so, dass jedes Mal, 00:33:45.340 --> 00:33:47.040 beim Push in den Main-Branch, 00:33:47.040 --> 00:33:49.520 wenn die, zum Beispiel, wenn die Versionsnummer 00:33:49.520 --> 00:33:50.860 sich geändert hat, wird das dann 00:33:50.860 --> 00:33:53.080 über Jenkins wird ein Job getriggert, 00:33:53.080 --> 00:33:55.400 der dann das Paket baut und 00:33:55.400 --> 00:33:57.540 in unser Repository hochlädt, das dann 00:33:57.540 --> 00:33:59.600 normalerweise nur intern verfügbar ist 00:33:59.600 --> 00:34:01.080 und dann können wir, 00:34:01.080 --> 00:34:03.460 ob das dann automatisch deployed wird oder wir das irgendwie 00:34:03.460 --> 00:34:05.520 manuell machen, können wir uns dann halt überlegen. 00:34:05.520 --> 00:34:07.380 Ja, aber dann brauchen wir 00:34:07.380 --> 00:34:08.980 einfach, wird runtergeladen auf den Pod und dann 00:34:08.980 --> 00:34:11.160 Ja, aber dann brauchen ja die Leute, die quasi 00:34:11.160 --> 00:34:13.640 modellieren Zugriff auf das Produktionssystem 00:34:13.640 --> 00:34:15.220 quasi oder können halt 00:34:15.220 --> 00:34:17.360 es muss halt dann, die müssen den Code 00:34:17.360 --> 00:34:18.440 verändern, die müssen committen können. 00:34:18.440 --> 00:34:21.300 Ja, also die 00:34:21.300 --> 00:34:22.740 committen von morgens bis abends. 00:34:22.740 --> 00:34:25.520 Ja. Also das ist tatsächlich 00:34:25.520 --> 00:34:27.360 bei uns überhaupt nicht so, dass 00:34:27.360 --> 00:34:29.200 da irgendwie jemand sitzt, der nur in einem Notebook 00:34:29.200 --> 00:34:31.420 prototypt. Gar nicht. 00:34:31.420 --> 00:34:33.260 Also, wenn das Projekt 00:34:33.260 --> 00:34:35.120 losgeht, dann muss man als erstes ein Repo 00:34:35.120 --> 00:34:36.940 anlegen, weil sonst kann man ja gar nichts machen. 00:34:36.940 --> 00:34:39.360 Ja. 00:34:39.360 --> 00:34:41.360 Und vielleicht startet man dann 00:34:41.360 --> 00:34:43.100 irgendwie mit ein paar Skripten, die dann später 00:34:43.100 --> 00:34:45.200 ordentlich in ein Paket überfüllen, 00:34:45.200 --> 00:34:47.200 wird werden und in Funktionen und Klassen verpackt. 00:34:47.200 --> 00:34:49.160 Das kann schon sein, aber grundsätzlich 00:34:49.160 --> 00:34:51.300 ja, ist es halt 00:34:51.300 --> 00:34:53.300 eine Software 00:34:53.300 --> 00:34:55.140 und sonst auch oft in größeren Projekten 00:34:55.140 --> 00:34:56.720 mehrere Pakete, zum Beispiel zu einem 00:34:56.720 --> 00:34:59.060 Projekt für die Senatsverwaltung 00:34:59.060 --> 00:35:01.340 sind das dann, wir haben da sehr viele verschiedene Datenquellen, 00:35:01.340 --> 00:35:03.540 zum Beispiel Verkehrsdaten, Wetterdaten 00:35:03.540 --> 00:35:05.460 und so und dann haben wir für jede Datenquelle 00:35:05.460 --> 00:35:07.400 ein Paket, das nur dafür da ist, 00:35:07.400 --> 00:35:09.240 diese Datenquelle einzulegen und zu formatieren 00:35:09.240 --> 00:35:11.160 und die Datenbank zu schreiben. Das heißt, der Handschick ist dann 00:35:11.160 --> 00:35:13.220 über die Datenbank, dann kommt irgendwann das nächste 00:35:13.220 --> 00:35:14.920 Paket, das liest sich die Daten dann 00:35:14.920 --> 00:35:17.000 und macht dann die Modellierung. Und dann 00:35:17.000 --> 00:35:18.640 gibt es nochmal ein Paket, das halt 00:35:18.640 --> 00:35:20.940 irgendwelche Daten weiter aufbereitet und dann 00:35:20.940 --> 00:35:21.940 gibt es ein Paket mit der API. 00:35:21.940 --> 00:35:24.920 Und wenn ihr ein Modell daraus gebaut habt, 00:35:24.920 --> 00:35:27.060 irgendwie mit einem Torch oder sowas, was macht ihr dann? 00:35:27.060 --> 00:35:28.860 Wo legt ihr das dann hin? 00:35:28.860 --> 00:35:31.060 Wir haben ja das dann in dem 00:35:31.060 --> 00:35:32.100 Fall tatsächlich, 00:35:32.100 --> 00:35:34.660 ich verlege gerade, also tatsächlich 00:35:34.660 --> 00:35:36.980 im Kundenprojekt 00:35:36.980 --> 00:35:38.660 benutzen wir MLflow 00:35:38.660 --> 00:35:40.880 und ich weiß nicht, ob, also 00:35:40.880 --> 00:35:42.720 ich hatte das vorher tatsächlich noch nicht benutzt, 00:35:42.720 --> 00:35:44.740 wo wir die Objekte dann 00:35:44.740 --> 00:35:46.460 abgelegt. Ich glaube, 00:35:46.460 --> 00:35:48.300 es gibt, 00:35:48.300 --> 00:35:50.480 das ist ganz witzig, ja, es gibt tatsächlich, 00:35:50.480 --> 00:35:52.820 das war jetzt ein Projekt mit XGBoost, 00:35:52.820 --> 00:35:55.040 weiß ich nur, da haben wir, kann man die Projekte 00:35:55.040 --> 00:35:56.640 tatsächlich in Form eines 00:35:56.640 --> 00:35:58.900 Strings speichern und da haben wir 00:35:58.900 --> 00:36:00.120 die in der Datenbank gespeichert. 00:36:00.120 --> 00:36:03.020 Das funktioniert ganz gut. 00:36:03.020 --> 00:36:04.840 Man kann aber natürlich auch das Modellobjekt 00:36:04.840 --> 00:36:05.960 irgendwo in 00:36:05.960 --> 00:36:09.060 deinem Modellrepository dann ablegen. 00:36:09.060 --> 00:36:10.660 Also eigenes 00:36:10.660 --> 00:36:12.720 Modellrepo mit Branches oder 00:36:12.720 --> 00:36:14.020 irgendwie Tags oder sowas hier. 00:36:14.740 --> 00:36:15.360 Ja, oder 00:36:15.360 --> 00:36:18.480 irgendwelche Tags muss man natürlich schon haben, damit man 00:36:18.480 --> 00:36:19.800 die einmal heimlich identifizieren kann. 00:36:19.800 --> 00:36:22.520 Also gut, wenn jetzt die Modellierung 00:36:22.520 --> 00:36:24.560 total schnell geht, dann kann man natürlich auch 00:36:24.560 --> 00:36:26.600 das Modell einmal im Monat neu berechnen 00:36:26.600 --> 00:36:28.640 oder nee, einmal im Tag neu berechnen 00:36:28.640 --> 00:36:30.340 und sofort die Prognosen machen und das Modellobjekt 00:36:30.340 --> 00:36:32.280 überhaupt nicht speichern, aber das ist, glaube ich, eher so 00:36:32.280 --> 00:36:34.580 ein seltener Fall normalerweise, wenn man es ja schon 00:36:34.580 --> 00:36:36.760 speichert, wiederverwenden. 00:36:36.760 --> 00:36:38.240 Also 00:36:38.240 --> 00:36:40.320 wir können uns auch gerne nochmal an dem 00:36:40.320 --> 00:36:42.540 Ablauf ein bisschen weiter entlanghangeln. 00:36:42.540 --> 00:36:44.680 Ja, gerne. Weil wir jetzt schon vorgegriffen 00:36:44.680 --> 00:36:46.140 haben, also wenn wir 00:36:46.140 --> 00:36:48.260 das Problem verstanden haben, 00:36:48.260 --> 00:36:50.460 die Daten verstanden haben und die sehen soweit gut aus, 00:36:50.460 --> 00:36:52.460 dass wir und unser Kunde gemeinsam sagen, 00:36:52.460 --> 00:36:53.880 okay, damit können wir jetzt wirklich starten, 00:36:53.880 --> 00:36:56.120 da ist kein Problem drin, dann 00:36:56.120 --> 00:36:59.100 passiert natürlich erstmal ganz viel Datenaufbereitung 00:36:59.100 --> 00:37:00.620 und Bereinigung. Oft muss man 00:37:00.620 --> 00:37:02.460 verschiedene Datensätze zusammenführen. 00:37:02.460 --> 00:37:04.340 Da haben wir dann natürlich vorher schon geprüft, 00:37:04.340 --> 00:37:06.960 ob es auch eine gemeinsame ID gibt, um die zusammenzuführen. 00:37:06.960 --> 00:37:07.660 Sonst wird es schwierig. 00:37:07.660 --> 00:37:10.340 Oft muss man auch Sachen aggregieren. 00:37:10.340 --> 00:37:13.100 Zum Beispiel hat man vielleicht einzelne 00:37:13.100 --> 00:37:14.660 Zeilen für jedes Produkt, 00:37:14.660 --> 00:37:16.380 das gekauft wurde von einem Kunden. 00:37:16.380 --> 00:37:18.500 Wir wollen aber eigentlich nur eine Zeile pro 00:37:18.500 --> 00:37:20.460 Kunde. Dann muss man sich halt irgendwas überlegen, 00:37:20.460 --> 00:37:22.720 wie man das denn voll aufaggregieren kann. 00:37:22.720 --> 00:37:24.980 Manchmal macht man Transformationen 00:37:24.980 --> 00:37:26.580 oder berechnet eine neue 00:37:26.580 --> 00:37:28.280 Spalte aus anderen Spalten. 00:37:28.280 --> 00:37:30.600 Also das ist das, was man immer als 00:37:30.600 --> 00:37:32.640 Feature Engineering kennt. Wir bauen also 00:37:32.640 --> 00:37:34.660 Features, die ja einfach sinnvolle 00:37:34.660 --> 00:37:36.820 Inhalte haben, mit denen das Modell 00:37:36.820 --> 00:37:38.680 dann später gut umgehen 00:37:38.680 --> 00:37:40.860 kann. Macht ihr das dann immer live in Pandas 00:37:40.860 --> 00:37:42.160 oder schreibt ihr das auch in eine Datenbank rein? 00:37:42.160 --> 00:37:44.580 Es kommt darauf 00:37:44.580 --> 00:37:46.460 an, aber meistens haben wir dann schon 00:37:46.460 --> 00:37:48.520 eigentlich ein separates Modul, das die 00:37:48.520 --> 00:37:50.540 Features berechnet und irgendwo hinschreibt, 00:37:50.540 --> 00:37:52.080 weil das meistens dann 00:37:52.080 --> 00:37:54.920 einfach schöner ist, das zu modularisieren, 00:37:54.920 --> 00:37:56.340 weil es sonst ein bisschen zu viel wird. 00:37:56.340 --> 00:37:58.160 Was ist da eure Lieblingsdatenbank für? 00:37:58.160 --> 00:38:00.980 Ich überlege gerade, 00:38:00.980 --> 00:38:02.660 wir waren früher viel auf MariaDB 00:38:02.660 --> 00:38:04.160 unterwegs, jetzt sind wir 00:38:04.160 --> 00:38:06.420 ja viel in Clickhouse, also 00:38:06.420 --> 00:38:08.560 Clickhouse, teilweise verhält es 00:38:08.560 --> 00:38:09.960 sich unerwartet, finde ich. 00:38:09.960 --> 00:38:12.600 Aber es ist halt schon sehr cool 00:38:12.600 --> 00:38:14.280 mit großen Datenmengen. Da kannst du einfach 00:38:14.280 --> 00:38:15.620 die... 00:38:15.620 --> 00:38:16.840 Das ist diese Geschichte, 00:38:16.840 --> 00:38:20.240 Yandex hat das, glaube ich, mal gebaut und dann haben sie es irgendwie 00:38:20.240 --> 00:38:22.080 Open Source veröffentlicht. 00:38:22.080 --> 00:38:22.720 Das weiß ich nicht. 00:38:22.720 --> 00:38:24.020 Ich weiß es nicht genau. 00:38:24.020 --> 00:38:28.080 Ja, das habe ich auch schon ein gutes Mal gehört. 00:38:28.080 --> 00:38:30.200 Ja, also 00:38:30.200 --> 00:38:32.200 da haben wir am Anfang dieses Projekts 00:38:32.200 --> 00:38:33.620 überlegt, okay, machen wir das jetzt? 00:38:33.620 --> 00:38:36.260 Wir hatten einmal was damit ausprobiert und 00:38:36.260 --> 00:38:38.240 wir wussten, wenn das jetzt nicht gut funktioniert, 00:38:38.240 --> 00:38:40.260 dann müssen wir natürlich irgendwie auf eigene 00:38:40.260 --> 00:38:42.280 Kappe nochmal ein paar Tage 00:38:42.280 --> 00:38:44.160 investieren, um das umzustellen. Aber es war 00:38:44.160 --> 00:38:46.120 so eine gute Entscheidung, weil 00:38:46.120 --> 00:38:47.940 wir gemerkt haben, mit den Datenmengen 00:38:47.940 --> 00:38:50.000 würde in anderen Datenbanken 00:38:50.000 --> 00:38:51.240 überhaupt nicht gehen. 00:38:51.240 --> 00:38:52.320 Ja. 00:38:52.320 --> 00:38:55.920 Und wenn wir dann so Features haben 00:38:55.920 --> 00:38:57.980 und die stehen dann vielleicht auch in der Clickhouse-Datenbank 00:38:57.980 --> 00:39:00.140 oder vielleicht stehen sie auch in der Postgres 00:39:00.140 --> 00:39:02.040 oder Redshift-Datenbank, 00:39:02.040 --> 00:39:04.120 dann geht es dann erst 00:39:04.120 --> 00:39:06.320 mit der Modellierung los und 00:39:06.320 --> 00:39:07.880 zum Glück 00:39:07.880 --> 00:39:10.080 haben die meisten Leute von uns auch Spaß 00:39:10.080 --> 00:39:11.820 an den anderen Sachen, weil, wie gesagt, die Modellierung 00:39:11.820 --> 00:39:13.540 meistens wirklich nur ein kleiner Teil ist. 00:39:14.040 --> 00:39:15.980 Man muss sich natürlich genau überlegen, was ist 00:39:15.980 --> 00:39:17.320 überhaupt das passende Modell. 00:39:17.320 --> 00:39:19.940 Im Moment, wenn man 00:39:19.940 --> 00:39:21.420 Prognosen machen will, ist immer noch 00:39:21.420 --> 00:39:23.140 G-Boost einfach sehr, sehr gut. 00:39:23.140 --> 00:39:26.120 Ein bombasites Modell. Aber 00:39:26.120 --> 00:39:28.360 es kommen gerade Sachen, zum Beispiel 00:39:28.360 --> 00:39:30.160 gibt es da P-F-Enders. 00:39:30.160 --> 00:39:32.080 Ja, das klingt auch sehr interessant, ja. 00:39:32.080 --> 00:39:32.740 Geil, ne? 00:39:32.740 --> 00:39:36.420 Es ist ein Transformer-Modell 00:39:36.420 --> 00:39:37.920 und das ist irgendwie total verrückt, 00:39:37.920 --> 00:39:39.540 weil dieses Modell hat, 00:39:39.540 --> 00:39:42.260 also ich finde es immer noch total beeindruckend, 00:39:42.260 --> 00:39:43.920 es klingt irgendwie so magic. Also das hat, 00:39:43.920 --> 00:39:45.580 hat gelernt, wie 00:39:45.580 --> 00:39:47.560 Datensätze, wie die Zusammenhänge in 00:39:47.560 --> 00:39:49.980 Datensätzen, Entschuldigung, wie die Zusammenhänge 00:39:49.980 --> 00:39:51.880 in Datensätzen normalerweise 00:39:51.880 --> 00:39:53.840 so sind und dann gibt man 00:39:53.840 --> 00:39:55.820 dem nochmal so ähnlich wie so 00:39:55.820 --> 00:39:57.880 ein Feintuning den Datensatz, den man halt 00:39:57.880 --> 00:40:00.140 da selbst hat, der einen interessiert 00:40:00.140 --> 00:40:01.820 und dann kann man damit 00:40:01.820 --> 00:40:03.880 total gute Prognosen machen, auch wenn 00:40:03.880 --> 00:40:05.780 der Datensatz nicht besonders groß ist 00:40:05.780 --> 00:40:07.720 und das Verrückte ist, diese Datensätze 00:40:07.720 --> 00:40:09.660 anhand derer das gelernt hat, das sind 00:40:09.660 --> 00:40:11.920 künstliche Daten, also es sind nicht mal 00:40:11.920 --> 00:40:13.800 echte Daten, weil gibt es ja gar nicht so 00:40:13.800 --> 00:40:15.620 viele im Netz verfügbar, es ist ja anders, als wenn man 00:40:15.620 --> 00:40:17.180 ein Sprachmodell trainieren will und das ganze Internet 00:40:17.180 --> 00:40:19.660 besteht aus Sprache, aber es funktioniert 00:40:19.660 --> 00:40:21.760 trotzdem, es ist richtig beeindruckend. Also ich glaube, 00:40:21.760 --> 00:40:23.780 das ist so was, was sich gerade so anfühlt 00:40:23.780 --> 00:40:25.760 wie, okay, da passiert jetzt wirklich mal 00:40:25.760 --> 00:40:27.360 wieder was Neues in der 00:40:27.360 --> 00:40:29.640 Bereichprognose. Ja, ja, auch diese 00:40:29.640 --> 00:40:31.380 ganzen Pre-Trend, das gibt es ja im 00:40:31.380 --> 00:40:33.680 LNM-Bereich, gibt es das ja alles oder halt auch bei 00:40:33.680 --> 00:40:35.560 so Vision-Modellen, 00:40:35.560 --> 00:40:37.540 wo dann alles auf ImageNet oder so trainiert ist, aber 00:40:37.540 --> 00:40:39.700 bei tabularen Daten hätte ich jetzt überhaupt gar 00:40:39.700 --> 00:40:41.620 nicht gedacht, dass das überhaupt möglich ist oder dass 00:40:41.620 --> 00:40:43.640 das irgendwie, dass das, und ja, 00:40:43.680 --> 00:40:45.000 das hat mich auch total gewundert, dass 00:40:45.000 --> 00:40:47.060 Ihr müsst ja vielleicht jetzt noch ein bisschen kurz 00:40:47.060 --> 00:40:49.400 nochmal erklären, bitte, so die Grundlage, ich glaube, 00:40:49.400 --> 00:40:51.220 das war ein bisschen komplex vielleicht für 00:40:51.220 --> 00:40:52.980 einen Einstieg. Also 00:40:52.980 --> 00:40:54.580 TabTFN hast du gesagt? 00:40:54.580 --> 00:40:57.780 Und XGBoost, also Gradient Boosting. 00:40:57.780 --> 00:40:59.420 Ja, XGBoost ist 00:40:59.420 --> 00:41:01.580 ein Gradient Boosting und das 00:41:01.580 --> 00:41:03.520 ist halt eigentlich einfach dazu da, um eine Tabelle 00:41:03.520 --> 00:41:05.600 von Daten zu nehmen und die Zusammenhänge zu 00:41:05.600 --> 00:41:06.980 lernen, die in diesen Daten 00:41:06.980 --> 00:41:09.420 vorkommen. Zum Beispiel will ich 00:41:09.420 --> 00:41:11.340 vielleicht vorher sagen, wie viel verkauft wird da an einem 00:41:11.340 --> 00:41:13.560 bestimmten Tag und in den Daten hätte ich zum Beispiel 00:41:13.560 --> 00:41:15.360 die Info, welcher Wochentag ist denn das eigentlich 00:41:15.360 --> 00:41:17.280 und ist dann vielleicht davor oder danach ein 00:41:17.280 --> 00:41:19.400 Feiertag und um welches Produkt geht es und so 00:41:19.400 --> 00:41:21.440 weiter. Wie ist das Wetter? Vielleicht verkaufe ich 00:41:21.440 --> 00:41:23.100 ja bei Hitze mehr Wassermelonen 00:41:23.100 --> 00:41:25.460 und das ist so der Klassiker, 00:41:25.460 --> 00:41:27.420 das würde man auch mit einer 00:41:27.420 --> 00:41:28.760 linearen Regression 00:41:28.760 --> 00:41:30.700 machen können, die ist aber 00:41:30.700 --> 00:41:33.180 weniger flexibel und normalerweise dann auch 00:41:33.180 --> 00:41:35.280 weniger genau und XGBoost ist da 00:41:35.280 --> 00:41:37.240 deutlich komplexer. Und XGBoost macht das 00:41:37.240 --> 00:41:39.480 dann quasi über die, weiß ich nicht, 00:41:39.480 --> 00:41:40.880 Backpropagation-Mechanismen? 00:41:40.880 --> 00:41:43.440 Nee, nee, das ist eine Art Decision Tree, also es ist ein anderes 00:41:43.440 --> 00:41:45.320 Art, grundsätzlich 00:41:45.320 --> 00:41:46.680 eine andere Art von Modell. 00:41:46.680 --> 00:41:48.900 Ja, das ist im Prinzip so eine 00:41:48.900 --> 00:41:51.080 Kombination aus ganz, ganz 00:41:51.080 --> 00:41:52.700 vielen kleinen, 00:41:52.700 --> 00:41:55.060 nicht besonders schlauen Entscheidungsbäumen, 00:41:55.060 --> 00:41:57.160 aber dadurch, dass die alle hintereinander geschaltet werden, 00:41:57.160 --> 00:41:59.080 ergänzen sie sich ja gut und dann wird es am Ende 00:41:59.080 --> 00:42:00.220 auch ziemlich gut. 00:42:00.220 --> 00:42:03.060 Ja. Und das heißt 00:42:03.060 --> 00:42:04.720 über Jahre eigentlich 00:42:04.720 --> 00:42:07.240 für jedes typische 00:42:07.240 --> 00:42:09.560 Predictive-Projekt 00:42:09.560 --> 00:42:11.500 oder für jede Predictive-Fragestellung 00:42:11.500 --> 00:42:13.140 war XGBoost, es war schon fast 00:42:13.140 --> 00:42:13.420 lang, 00:42:13.440 --> 00:42:15.640 weil ich, ja, es gibt da noch so ein paar Varianten, 00:42:15.640 --> 00:42:17.420 es gibt zum Beispiel Catboost, das es so ähnlich 00:42:17.420 --> 00:42:19.500 hat, aber halt schon irgendwie ganz schlaue 00:42:19.500 --> 00:42:21.360 Mechanismen implementiert, um mit 00:42:21.360 --> 00:42:23.380 kategorialen Variablen umzugehen und manchmal 00:42:23.380 --> 00:42:25.740 das eine oder das andere dann so ein bisschen besser oder performanter, 00:42:25.740 --> 00:42:27.100 aber das ist kein Riesenunterschied. 00:42:27.100 --> 00:42:29.720 Da gab es ja nicht auch noch irgendwas von Microsoft Lightboost 00:42:29.720 --> 00:42:31.280 oder sowas, aber ich weiß gar nicht, was da rausgeworden ist. 00:42:31.280 --> 00:42:33.620 Oder LightGBM. Oder LightGBM, genau. Ich weiß gar nicht, was da rausgeworden 00:42:33.620 --> 00:42:33.840 ist. 00:42:33.840 --> 00:42:36.940 Benutzen wir auch gerade in dem Projekt. 00:42:36.940 --> 00:42:38.560 Ja. 00:42:38.560 --> 00:42:41.800 Und ja, witzigerweise, 00:42:41.800 --> 00:42:42.900 wir haben auch schon, 00:42:43.440 --> 00:42:45.400 ich glaube, vor einem Jahr oder so haben wir gedacht, kann man eigentlich 00:42:45.400 --> 00:42:47.200 auch LLMs zur Prognose benutzen? Ich möchte kein 00:42:47.200 --> 00:42:49.440 LLM-Jahr sagen, guck mal hier, das und das 00:42:49.440 --> 00:42:51.440 und das sind meine Daten, was denkst du, wie 00:42:51.440 --> 00:42:53.380 teuer ist dieser Gebrauchtwagen? 00:42:53.380 --> 00:42:55.340 Und wir haben da einen Datensatz bekommen 00:42:55.340 --> 00:42:56.800 von einem 00:42:56.800 --> 00:42:58.940 Unternehmen, die 00:42:58.940 --> 00:43:01.260 genau solche Daten eben aus dem Internet 00:43:01.260 --> 00:43:02.280 crawlen und die, 00:43:02.280 --> 00:43:05.400 das sagen wir natürlich, so ein bisschen 00:43:05.400 --> 00:43:07.120 Informationen mitgeben 00:43:07.120 --> 00:43:08.840 und das hat aber schon funktioniert. 00:43:08.840 --> 00:43:09.900 Wir haben da, 00:43:09.900 --> 00:43:12.180 ja, da weiß ich 00:43:12.180 --> 00:43:13.340 jetzt die Details natürlich nicht alle, 00:43:13.440 --> 00:43:15.320 auswendig, aber wir haben sowohl mit 00:43:15.320 --> 00:43:17.920 GPT-Modellen 00:43:17.920 --> 00:43:19.380 als auch mit Open-Source-Modellen das 00:43:19.380 --> 00:43:21.280 ausprobiert. Es macht schon Sinn, die zu 00:43:21.280 --> 00:43:23.380 feintunen. Und dann 00:43:23.380 --> 00:43:25.560 kann man aber relativ gut sagen, mein Auto 00:43:25.560 --> 00:43:27.400 oder das Auto, das ist die Marke, 00:43:27.400 --> 00:43:29.720 das hat so viele Kilometer, das ist so und so alt 00:43:29.720 --> 00:43:31.440 und das hat, hier ist noch der Freitext mit 00:43:31.440 --> 00:43:32.440 der Beschreibung dazu. 00:43:32.440 --> 00:43:35.520 Da steht dann vielleicht irgendwas Spannendes 00:43:35.520 --> 00:43:37.360 drin, wie das hat eine Beule, vielleicht steht da aber auch 00:43:37.360 --> 00:43:39.480 nichts Spannendes drin. Und dann fragt 00:43:39.480 --> 00:43:41.500 man, wie teuer ist das Auto? 00:43:41.500 --> 00:43:43.400 Bitte antworte mich nur in einer 00:43:43.400 --> 00:43:44.940 Zahl, in Euro oder irgendwie sowas. 00:43:44.940 --> 00:43:47.160 Und das funktioniert schon erstaunlich gut, 00:43:47.160 --> 00:43:49.160 vor allem, wenn man nicht so viele Trainingsdaten hat. 00:43:49.160 --> 00:43:51.240 Weil ich glaube, dann kann das halt die Stärke ausspielen, 00:43:51.240 --> 00:43:53.400 dass das Sprachmodell eben 00:43:53.400 --> 00:43:55.340 schon Vorwissen hat 00:43:55.340 --> 00:43:57.340 zu Autopreisen, weil es das Internet kennt. 00:43:57.340 --> 00:43:59.180 Also Transformers meinst du jetzt tatsächlich, also 00:43:59.180 --> 00:44:01.220 die großen LLMs und nicht nur Transformers selbst? 00:44:01.220 --> 00:44:03.140 Genau. Weil ich hätte mich halt gefragt, ob das in dem 00:44:03.140 --> 00:44:05.100 Transformers-Modell durch das, weiß ich nicht, 00:44:05.100 --> 00:44:07.200 dadurch, dass es halt Nodes sind und 00:44:07.200 --> 00:44:09.280 Canisian Trees, dass es da irgendeine andere Art 00:44:09.280 --> 00:44:11.200 gibt, dass Daten aus den tabellarischen 00:44:11.200 --> 00:44:13.360 Daten rausziehen. Ja, das hier 00:44:13.360 --> 00:44:14.160 ist jetzt so, dass 00:44:14.160 --> 00:44:17.300 die klassischen LLMs, die man so kennt, und dann 00:44:17.300 --> 00:44:18.960 kam eben jetzt dieses Neue mit 00:44:18.960 --> 00:44:21.160 TabPFN, das ist ein Transformer, das halt 00:44:21.160 --> 00:44:23.280 wie speziell für tabulare Daten wieder gemacht ist, 00:44:23.280 --> 00:44:25.640 weil wir haben ja die LLMs eigentlich so ein bisschen zweckentfremdet, 00:44:25.640 --> 00:44:27.040 indem wir die dann da nach dieser 00:44:27.040 --> 00:44:29.040 Probe-Modell-Sprache haben. Was meintest du denn da überhaupt mit Feintuning? 00:44:29.040 --> 00:44:30.340 Was habt ihr denn da gemacht? 00:44:30.340 --> 00:44:33.440 Ich weiß gerade nicht, 00:44:33.440 --> 00:44:35.460 also ich weiß nicht, wie das eigentlich im Detail 00:44:35.460 --> 00:44:37.160 dort funktioniert, aber es ist so, dass 00:44:37.160 --> 00:44:38.580 das Modell ja eben schon 00:44:38.580 --> 00:44:41.520 ganz viel weiß von den Sprachdaten, 00:44:41.520 --> 00:44:43.140 die es aus dem Netz kennt, und wir, 00:44:43.320 --> 00:44:44.540 haben ihn dann nochmal, 00:44:44.540 --> 00:44:47.500 ja gut, das beschreibt es wahrscheinlich ab dann schon 00:44:47.500 --> 00:44:49.380 komplett, wir haben den dann 00:44:49.380 --> 00:44:51.340 nochmal, wir haben einen Trainingsdatensatz, 00:44:51.340 --> 00:44:53.500 wir ganz viele Gebrauchtwagen 00:44:53.500 --> 00:44:55.340 schon drin haben, mit dem Preis 00:44:55.340 --> 00:44:56.900 und den ganzen Eigenschaften, 00:44:56.900 --> 00:44:59.360 und dann haben wir ihm halt immer so 00:44:59.360 --> 00:45:01.500 ganz viele Texte gegeben, zu jedem Auto 00:45:01.500 --> 00:45:03.440 ein Text, das Auto ist so und so alt, sieht so und so 00:45:03.440 --> 00:45:05.400 aus, ist die Marke, und es 00:45:05.400 --> 00:45:07.580 kostet das, und das nächste Auto ist so und so 00:45:07.580 --> 00:45:09.500 und so, und kostet das, und das ist 00:45:09.500 --> 00:45:11.440 dann nochmal ein zusätzlicher Text, und 00:45:11.440 --> 00:45:13.280 damit trainiert man das Modell noch 00:45:13.280 --> 00:45:15.280 mal spezifisch auf diesen einen Task. 00:45:15.280 --> 00:45:17.120 Also wie das jetzt im Hintergrund 00:45:17.120 --> 00:45:19.380 genau passiert, kann ich tatsächlich euch gerade 00:45:19.380 --> 00:45:20.180 gar nicht erklären, 00:45:20.180 --> 00:45:23.380 weil ich in dem Thema weniger drin bin, 00:45:23.380 --> 00:45:25.240 als in sowas wie XGBoost, 00:45:25.240 --> 00:45:27.320 aber ja, dadurch ist das Modell dann nochmal, 00:45:27.320 --> 00:45:29.340 kriegt nochmal so eine Spezialausbildung quasi für 00:45:29.340 --> 00:45:31.560 das Thema Auto-Gebrauchtwagenpreise, 00:45:31.560 --> 00:45:33.440 und dann wird es nochmal besser, 00:45:33.440 --> 00:45:35.080 wenn man ihm dann so eine Frage später stellt. 00:45:35.080 --> 00:45:37.260 Ja, man trainiert das quasi nochmal 00:45:37.260 --> 00:45:39.280 ein Stückchen weiter, gibt es unterschiedliche Ansätze, wie man das dann 00:45:39.280 --> 00:45:41.200 macht, ob man nur Layer einfriert, 00:45:41.200 --> 00:45:42.280 bestimmte Gewichte halt nicht, 00:45:43.240 --> 00:45:45.080 neu setzt, und dann vielleicht nur 00:45:45.080 --> 00:45:47.420 die letzten irgendwie anpasst, 00:45:47.420 --> 00:45:49.240 oder ob man so Low-Rank-Adaption-Geschichten 00:45:49.240 --> 00:45:51.160 macht, oder, da gibt es ganz unterschiedliche. 00:45:51.160 --> 00:45:53.020 Ich komme mir an die Gewichte gar nicht dran, von den 00:45:53.020 --> 00:45:53.740 großen LMs zum Beispiel. 00:45:53.740 --> 00:45:56.540 Nee, das kannst du auch nicht mit, das kannst du natürlich dann nur, 00:45:56.540 --> 00:45:59.000 also du kannst mit den OpenAI-Modellen 00:45:59.000 --> 00:46:01.040 und so auch machen, über deren APIs, aber 00:46:01.040 --> 00:46:02.640 wenn du das auf einem 00:46:02.640 --> 00:46:05.220 quasi, wenn du das selber machen willst, 00:46:05.220 --> 00:46:07.120 dann musst du ein Modell nehmen, wo du Gewichte hast. 00:46:07.120 --> 00:46:08.380 Ja, genau, das natürlich. 00:46:08.380 --> 00:46:11.460 Ich glaube, wir haben da 00:46:11.460 --> 00:46:13.200 beides gemacht, also einmal über OpenAI, da 00:46:13.200 --> 00:46:15.100 kann man einfach über die API sein, hier ist mit Fine-Tuning 00:46:15.100 --> 00:46:16.900 ein Datensatz, machen wir mal, und 00:46:16.900 --> 00:46:18.800 aber auch mit den 00:46:18.800 --> 00:46:20.840 Open-Source-Modellen, wo wir dann nochmal 00:46:20.840 --> 00:46:23.420 ein Fine-Tuning drangehängt haben, damit die eben speziell 00:46:23.420 --> 00:46:24.960 auf Autoprise... Genau, die haben halt so selber ihre 00:46:24.960 --> 00:46:25.420 Ja, mhm. 00:46:25.420 --> 00:46:28.980 Bei Tuning und Autos fällt mir jetzt erst auf, 00:46:28.980 --> 00:46:30.500 dass das echt total gut passt. 00:46:30.500 --> 00:46:31.420 Ja. 00:46:31.420 --> 00:46:35.460 Okay, das ist halt so Tab-DFN, 00:46:35.460 --> 00:46:36.540 ja? Ja. 00:46:36.540 --> 00:46:39.160 Ja, wobei, das ist jetzt 00:46:39.160 --> 00:46:40.800 noch relativ neu, und 00:46:40.800 --> 00:46:43.160 da ja nicht jede Woche neue Projekte 00:46:43.160 --> 00:46:44.920 losgehen, sondern die meisten Projekte schon 00:46:44.920 --> 00:46:46.820 länger laufen, sind die meisten 00:46:46.820 --> 00:46:48.620 Projekte, die wir haben, dann auch mit sowas wie 00:46:48.620 --> 00:46:50.240 Boost oder teilweise auch mit 00:46:50.240 --> 00:46:52.720 irgendwelchen ausgefeilten statistischen 00:46:52.720 --> 00:46:55.260 Ansätzen oder Kombinationen, 00:46:55.260 --> 00:46:56.900 je nachdem, was man... Ja, das finde ich dann spannend. 00:46:56.900 --> 00:46:58.960 Wie viel kann denn jemand, der richtig gute Statistik 00:46:58.960 --> 00:47:00.980 oder in klassischer Statistik ist, rausholen im Vergleich 00:47:00.980 --> 00:47:02.960 zu diesen, ich beschieße das einfach mit 00:47:02.960 --> 00:47:03.560 so einem Modell? 00:47:03.560 --> 00:47:06.760 Ich würde sagen, es kommt auf die Fragestellung an. 00:47:06.760 --> 00:47:09.120 Bei so einem relativ klassischen 00:47:09.120 --> 00:47:09.980 Task wie 00:47:09.980 --> 00:47:13.000 in welchen Verkaufszahlen geht 00:47:13.000 --> 00:47:15.200 es, glaube ich, auch mit einem Modell 00:47:15.200 --> 00:47:17.540 ganz gut, 00:47:17.540 --> 00:47:19.060 wenn man es natürlich richtig macht 00:47:19.060 --> 00:47:21.080 und zum Beispiel 00:47:21.080 --> 00:47:23.160 noch, es gibt da ja eine Menge Hyperparameter, 00:47:23.160 --> 00:47:25.140 die bestimmen, wie flexibel ist das Modell 00:47:25.140 --> 00:47:27.120 und wenn man das Modell zu flexibel sein lässt, 00:47:27.120 --> 00:47:29.220 dann lernst du auch die kleinsten 00:47:29.220 --> 00:47:30.800 Wackler auf den Trainingsdaten und auf 00:47:30.800 --> 00:47:32.820 neuen Daten erzählst du dann nur Mist. 00:47:32.820 --> 00:47:34.800 Das heißt, dann hat man 00:47:34.800 --> 00:47:36.740 Overfitting und das muss man verhindern. Es gibt 00:47:36.740 --> 00:47:38.700 natürlich schon ein paar Sachen, die man falsch machen könnte, 00:47:38.700 --> 00:47:40.760 aber wenn man da 00:47:40.760 --> 00:47:42.840 alles nach State-of-the-Art macht, kommt man 00:47:42.840 --> 00:47:44.560 bei so einfachen Aufgaben mit einem 00:47:44.560 --> 00:47:46.260 XG-Boost meistens ziemlich weit, 00:47:46.260 --> 00:47:48.320 aber ja, 00:47:48.320 --> 00:47:50.880 zum Beispiel im Sportwettenbereich 00:47:50.880 --> 00:47:52.780 gibt es ja manchmal dann wirklich komplizierte Sachen, 00:47:52.780 --> 00:47:54.580 also wenn ich jetzt vorhersagen will, wie 00:47:54.580 --> 00:47:56.700 die Tore sich 00:47:56.700 --> 00:47:58.480 verteilen, dann 00:47:58.480 --> 00:48:00.600 kommt man da dann schon nochmal weiter, 00:48:00.600 --> 00:48:02.500 wenn man wirklich darüber nachdenkt, theoretisch, 00:48:02.500 --> 00:48:04.580 was ist denn das jetzt eigentlich für eine Verteilung? 00:48:04.580 --> 00:48:06.500 Das sind Anzahlen, also 00:48:06.500 --> 00:48:08.500 ist das eine Poisson-Verteilung, aber die ist ja irgendwie 00:48:08.500 --> 00:48:10.320 bivariat, weil es sind ja zwei 00:48:10.320 --> 00:48:12.640 Mannschaften und zwei Teams, die 00:48:12.680 --> 00:48:14.660 Tore machen und da weiß ich, 00:48:14.660 --> 00:48:16.780 dass meine Kolleginnen und Kollegen 00:48:16.780 --> 00:48:18.720 sich schon einige ziemlich verrückte 00:48:18.720 --> 00:48:20.680 Sachen ausgehört haben und dann umgekehrt, manchmal ist es 00:48:20.680 --> 00:48:22.080 am Ende auch irgendwie doch nur eine einfache 00:48:22.080 --> 00:48:24.160 Holperstick, die einen ziemlich weit bringt. 00:48:24.160 --> 00:48:26.540 Ihr habt also nicht die Ernährung der Spieler 00:48:26.540 --> 00:48:28.760 am Morgen zuvor mit einfließen lassen können in sowas? 00:48:28.760 --> 00:48:30.560 Das weiß ich nicht, ich müsste mal fragen, ob 00:48:30.560 --> 00:48:32.600 sie das Feature drin haben. 00:48:32.600 --> 00:48:34.780 Es gibt auf jeden Fall spannende Sachen. 00:48:34.780 --> 00:48:36.780 Ja, also ich würde 00:48:36.780 --> 00:48:38.380 mich halt tatsächlich interessieren, was man 00:48:38.380 --> 00:48:40.380 aus Statistik irgendwie daraus lernen kann, weil ich weiß nicht, 00:48:40.380 --> 00:48:42.520 verstehe nicht genau, wie jetzt in so einem Transformers- 00:48:42.520 --> 00:48:44.460 Modell die einzelnen Gewichte 00:48:44.460 --> 00:48:45.860 bei den Neuronen zustande kommen, also weil 00:48:45.860 --> 00:48:48.200 ich stelle mir das so vor, der muss versuchen, diese 00:48:48.200 --> 00:48:50.160 Features rauszufinden und die irgendwie so 00:48:50.160 --> 00:48:52.540 linear unabhängig wie möglich voneinander zu gestalten, 00:48:52.540 --> 00:48:54.340 dass er irgendwie den Erklärungsgrad 00:48:54.340 --> 00:48:56.180 dann da rausfindet, der dann halt gut ist, 00:48:56.180 --> 00:48:57.660 damit er halt gute Prognosen hinkriegt, 00:48:57.660 --> 00:49:00.300 aber so richtig klar wird das 00:49:00.300 --> 00:49:02.500 nicht. Ja, Neuronalisten 00:49:02.500 --> 00:49:04.200 sind deutlich eher Blackbox, 00:49:04.200 --> 00:49:06.260 aber das ist Extribus auch, natürlich 00:49:06.260 --> 00:49:08.340 du kriegst bei beiden auch so ein bisschen raus, was da 00:49:08.340 --> 00:49:10.260 der Grund ist, warum das jetzt irgendwie so 00:49:10.260 --> 00:49:12.280 oder so entschieden oder 00:49:12.360 --> 00:49:14.320 so gesagt hat, aber es ist 00:49:14.320 --> 00:49:16.580 schon eher so Blackbox-Modelle. 00:49:16.580 --> 00:49:18.640 Ja, man kann jetzt 00:49:18.640 --> 00:49:20.480 nachträglich dann... 00:49:20.480 --> 00:49:22.420 Also das wäre jetzt vielleicht für mich auch noch mal 00:49:22.420 --> 00:49:24.380 einer der Punkte, der für dieses Data Cleansing 00:49:24.380 --> 00:49:26.580 spricht. Ja, also wenn ich jetzt die Daten 00:49:26.580 --> 00:49:28.040 da einfach so reinkippe oder 00:49:28.040 --> 00:49:30.300 am Anfang schon so aufteile, dass 00:49:30.300 --> 00:49:32.320 ich jetzt Cluster bilde oder Kategorien 00:49:32.320 --> 00:49:34.340 bilde oder sowas und die halt noch mal damit 00:49:34.340 --> 00:49:36.460 annotiere oder so, ob das halt 00:49:36.460 --> 00:49:38.300 eine deutliche Verbesserung bringt, also weil die ein bisschen 00:49:38.300 --> 00:49:40.280 reiner sind vielleicht oder 00:49:40.280 --> 00:49:42.200 halt, ne, oder schon mal irgendwie die Daten 00:49:42.200 --> 00:49:44.400 wie eine Zusammenfassung oder eine Summe 00:49:44.400 --> 00:49:46.220 oder sowas da schon drinsteht mit 00:49:46.220 --> 00:49:48.280 ja, in irgendeiner Extraspalte, dass das dann halt 00:49:48.280 --> 00:49:50.300 das Ergebnis zum Beispiel noch mal deutlich 00:49:50.300 --> 00:49:52.100 bessere Güte kriegt. Das du beschreibst, glaube ich, 00:49:52.100 --> 00:49:54.240 Feature-Engineering gerade, oder? Ja, vielleicht. 00:49:54.240 --> 00:49:55.400 Ich hoffe es auch, ja. 00:49:55.400 --> 00:49:58.220 Also zum Beispiel, viele Modelle 00:49:58.220 --> 00:50:00.100 sind ja auch dazu in der Lage, Interaktionen 00:50:00.100 --> 00:50:01.780 zu erkennen, also beispielsweise 00:50:01.780 --> 00:50:03.240 weißt du, ich 00:50:03.240 --> 00:50:06.340 fällt mir gerade gar kein gutes Beispiel an, 00:50:06.340 --> 00:50:08.440 ja, vielleicht aus der Luftschadstoff-Prognose 00:50:08.440 --> 00:50:09.440 überlege ich gerade, ist 00:50:09.440 --> 00:50:12.040 da irgendwie was, ja, 00:50:12.040 --> 00:50:13.920 also mittags ist die Luft 00:50:13.920 --> 00:50:15.980 schlechter, weil mehr Autos rumfahren, aber nur, wenn wir 00:50:15.980 --> 00:50:17.920 keinen Wind haben. Wenn wir viel Wind haben, 00:50:17.920 --> 00:50:20.000 wird nämlich wenig Schadstoff halt weggepustet. Das ist 00:50:20.000 --> 00:50:22.160 halt eine Interaktion, also die Effekt, mittags 00:50:22.160 --> 00:50:23.940 ist es schlechter, der ist nur da, wenn die 00:50:23.940 --> 00:50:26.240 Windstärke gering ist. Und so eine Interaktion 00:50:26.240 --> 00:50:27.980 können die Modelle auch lernen, 00:50:27.980 --> 00:50:29.900 aber manchmal sind die Interaktionen ja 00:50:29.900 --> 00:50:31.940 vielleicht auch noch mal komplexer von drei oder vier 00:50:31.940 --> 00:50:33.740 Sachen und wenn man da schon so 00:50:33.740 --> 00:50:35.820 eine Idee hat, sag ich logisch, dann 00:50:35.820 --> 00:50:37.300 macht man es dem Modell halt schon deutlich leichter. 00:50:37.320 --> 00:50:55.160 Wenn man das vorher schon mal explizit zusammenbaut, also dann vielleicht irgendwas, das würde dann sagen, es ist Mittag und es ist kein Wind ins Windstill. Jetzt in diesem sehr einfachen Beispiel. Und das ist dann, glaube ich, auch wieder sowas, wo es dann wirklich viel bringt, immer mal wieder mit den Leuten zu reden, die sich fachlich damit auskennen. 00:50:55.160 --> 00:51:04.800 Ja, also dann hat man quasi tatsächlich schon das Wissen, was man aus den Daten ziehen kann, so ein bisschen annotiert, reingegeben, dass das Modell dann damit besser arbeiten kann. Also als eigene Funktion irgendwie so, ja. 00:51:04.800 --> 00:51:23.380 Ja, und oft musst du auch Daten erstmal transformieren, damit die überhaupt von dem Modell verwendet werden können. Also wenn du zum Beispiel Text hast, kannst du den nicht einfach so bei XGBoost sozusagen reinkippen, weil das kann halt bloß irgendwie eine fixe Anzahl von Spalten. 00:51:23.380 --> 00:51:25.000 Und dann muss man das irgendwie. 00:51:25.160 --> 00:51:36.920 Erstmal den Text runter projizieren mit Singular Value Decomposition oder so auf, weiß ich nicht, ein paar hundert Dimensionen oder so. Und das kann man in XGBoost reinpacken, sozusagen. Solche Sachen hat man halt auch immer, ja. 00:51:36.920 --> 00:51:54.400 Ja, das war tatsächlich so ein Grund, weshalb wir das auch mal ausprobieren wollten mit den LLMs zur Vorhersage. Weil wie du sagst, wenn wir einen Text haben und wollen aber XGBoost machen, wie in dieser Freitext mit der Autobeschreibung, dann muss man sich ja erstmal irgendwie was überlegen, wie man den dann in ein sinnvolles Format bringt, so das XGBoost. 00:51:54.400 --> 00:51:55.080 Das kennt halt nur. 00:51:55.160 --> 00:51:56.440 Eigentlich nur spaltende Zahlen. 00:51:56.440 --> 00:52:03.200 Kategorien kann man ja im Prinzip auch doch in Zahlen überführen. Und ein Text, naja, ist halt erstmal nicht so einfach. 00:52:03.200 --> 00:52:10.300 Was man jetzt natürlich auch noch machen kann, ist, dass man das LLM benutzt, um Features zu generieren, indem man sagt, hier ist der Text, hat das Auto einen Schaden? Ja, nein. 00:52:10.300 --> 00:52:11.300 Ja. 00:52:11.300 --> 00:52:17.620 Also es ist dann auch nochmal so eine Hybridlösung, die, glaube ich, gar nicht so dumm ist. 00:52:17.620 --> 00:52:25.080 Und halt auch, man kann natürlich auch, je nachdem, wie genau man das machen will, Leute hinsetzen, die dann wirklich viel Zeit damit verbringen. 00:52:25.160 --> 00:52:29.000 Texte durchzugucken und das zu labeln, dann ist das bestimmt noch mal ein bisschen genauer. 00:52:29.000 --> 00:52:31.480 Das ist halt die Frage, ob es sich lohnt, muss man sich immer überlegen. 00:52:31.480 --> 00:52:32.560 Ja. 00:52:32.560 --> 00:52:37.260 Okay, ja gut, aber wir werden, dadurch kann man schon viel rausholen, ja, durch diese Modellierung dann und so. 00:52:37.260 --> 00:52:43.900 Okay, dann sind wir in diesen Datenprozessen. Wie nennt man diese Datenprozesse? ETIL? ETIL, da gibt es ja verschiedene Art und Weisen. 00:52:43.900 --> 00:52:47.920 Ach, du meinst jetzt Extract, Transform, Load? 00:52:47.920 --> 00:52:48.280 Ja, genau. 00:52:48.280 --> 00:52:51.600 Das ist, glaube ich, aber nicht unbedingt was mit, oder? 00:52:51.600 --> 00:52:54.540 Ja, aber wir sind jetzt da irgendwo in diesem Workflow. 00:52:55.160 --> 00:52:57.800 Also es ging ja um dieses CRISP, ne? Ach so, ja. 00:52:57.800 --> 00:53:12.880 Ja, also ich glaube, ja, also die ETIL, Extract, Transform, Load, ist ja, beschreibt ja einfach den Prozess, dass man Daten irgendwo rauszieht, dann irgendwas damit macht, also sie transformiert und sie dann irgendwo hinlädt, obwohl man sagt, Daten laden für Daten kriegen. 00:53:12.880 --> 00:53:24.200 In dem Fall ist es aber Daten laden, die irgendwo hinladen. Das ist auch ein bisschen verwirrend, auch im Naming, finde ich, in den Code dann, wenn man irgendwann überall Load stehen hat, egal ob man Daten zieht oder Daten wegschiebt. 00:53:25.160 --> 00:53:37.280 Ja, das ist, so hängt das im Prinzip zusammen, aber oft benutzt man ja den Begriff ETIL auch einfach für jeden Prozess, der irgendwie Daten nimmt, verarbeitet und so durch so eine Strecke schiebt. 00:53:37.280 --> 00:53:39.340 Außerhalb vom Data Science-Bereich halt auch ganz oft. 00:53:39.340 --> 00:53:43.020 Ja, genau, ja. Also jeder Business-Prozess, den man irgendwie halt automatisieren kann, ja. 00:53:43.020 --> 00:53:52.360 Aber ich glaube, es ist schon oft so, dass man auch sagen würde nachher in einem fertigen Datenprodukt, okay, hier ist der ETIL, jetzt kommt der ETIL und dann kommt der Teil mit dem Modell. 00:53:52.360 --> 00:53:52.880 Ja, ja, ja. 00:53:52.880 --> 00:53:55.020 Also oft nutzt man den Begriff eigentlich auch, um das so voneinander anzusprechen. 00:53:55.160 --> 00:53:55.800 Ja, zu grenzen. 00:53:55.800 --> 00:54:03.980 Okay. Also ich verstehe jetzt, also wir haben, okay, verstanden, was das Geschäft macht und was wir da lösen wollen für Daten. 00:54:03.980 --> 00:54:07.460 Und dann haben wir verstanden, welche Daten wir denn haben und was wir damit machen wollen. 00:54:07.460 --> 00:54:14.720 Dann haben wir die so transformiert und umgebaut, dass wir die in ein Modell kippen können, was wir uns dann ausdenken oder ausgedacht haben. 00:54:14.720 --> 00:54:18.640 Und was machen wir dann? Dann gucken wir uns an, was dabei rauskommt. 00:54:18.640 --> 00:54:23.780 Ja, dann haben wir ein Modell und dann machen wir Prognosen und gucken, wie gut die sind. 00:54:24.880 --> 00:54:27.100 Und da muss man natürlich verschiedene Sachen beachten. 00:54:27.100 --> 00:54:35.240 Also wenn ich die Prognosen auf denselben Daten mache, die ich für das Modelltraining benutzt habe, dann ist das natürlich für das Modell relativ einfach. 00:54:35.240 --> 00:54:43.600 Und deswegen ist es wichtig, dass ich mir vorher einen Teil der Daten weglege und nur die übrigen Daten kriegt das Modell zum Lernen. 00:54:43.600 --> 00:54:52.120 Und dann habe ich auf diesen weggelegten Daten die Prognosen und dann gucke ich, was tatsächlich die Werte waren und vergleiche die mit den Prognosen von dem Modell. 00:54:52.120 --> 00:54:54.320 Und das Modell ist halt ja natürlich in dem Moment blind. 00:54:54.320 --> 00:54:54.840 Das kriegt halt... 00:54:54.840 --> 00:54:57.140 Nur die ganzen Features, aber es kriegt nicht die Zielvariable. 00:54:57.140 --> 00:55:03.100 Es muss dann seine Prognosen blind machen und wir können dann gucken und dann sagen, ja, wir kennen die Warenwerte aber schon und vergleichen das jetzt. 00:55:03.100 --> 00:55:07.760 Da gibt es dann verschiedene Kennwerte, die man berechnen kann, kommt es halt total auf die Fragestellung an. 00:55:07.760 --> 00:55:11.400 Man könnte zum Beispiel eine mittlere prozentuale Abweichung berechnen. 00:55:11.400 --> 00:55:14.640 Man kann ein Bias berechnen, liegen wir mittel drüber oder drunter. 00:55:14.640 --> 00:55:18.400 Man kann eine erklärte Varianz, einen Varianzanteil berechnen. 00:55:18.400 --> 00:55:22.940 Man kann, je nachdem, vielleicht wollen wir auch gar nicht mehrische Daten vorher sagen, sondern nur ein Ja, Nein. 00:55:22.940 --> 00:55:24.800 Dann könnte man gucken, wie viele Folgen... 00:55:24.800 --> 00:55:27.400 Falls positive, falls negative und so weiter habe ich... 00:55:27.400 --> 00:55:29.580 Das kommt, ja, stark auf den Use Case an. 00:55:29.580 --> 00:55:31.180 Auf jeden Fall kann ich das dann berechnen. 00:55:31.180 --> 00:55:35.180 Schön out of sample, also mit diesem separaten Datensatz. 00:55:35.180 --> 00:55:40.080 Und das ist natürlich besonders gut, wenn man zwei Modelle vergleichen will. 00:55:40.080 --> 00:55:42.220 Wenn man nur eins hat, dann ist da... 00:55:42.220 --> 00:55:44.860 Es ist, glaube ich, auch gar nicht so leicht zu sagen, was ist denn jetzt ein guter Wert? 00:55:44.860 --> 00:55:47.640 Finde ich irgendwie 20, 50 oder 90 Prozent erklärte Varianz? 00:55:47.640 --> 00:55:49.740 Das kommt auch stark auf die Fragestellung an. 00:55:49.740 --> 00:55:54.760 Wenn ich zum Beispiel individuelles Verhalten von Menschen erklären will, dann nicht, dass man... 00:55:54.760 --> 00:56:01.680 Ich will nicht so genau vorhersagen wie aggregierte Verkaufszahlen, weil da einfach so viele andere Einflüsse sind. 00:56:01.680 --> 00:56:08.080 Und ja, nochmal zu diesem Split, zu den Trainingsdaten und den Testdaten. 00:56:08.080 --> 00:56:12.720 In den allermeisten Fällen haben unsere Daten ja eigentlich eine zeitliche Struktur. 00:56:12.720 --> 00:56:15.860 Man kann jetzt natürlich die Testdaten zufällig rausziehen und zur Seite legen, 00:56:15.860 --> 00:56:20.580 aber am besten ist es, wenn man immer die zeitlich, die es nimmt, die zeitlich am Ende liegen, 00:56:20.580 --> 00:56:22.620 weil manchmal ändern sich eben Zusammenhänge. 00:56:22.620 --> 00:56:24.720 Und das... 00:56:24.720 --> 00:56:26.680 Eigentlich passiert es ständig, dass sich Zusammenhänge ändern. 00:56:26.680 --> 00:56:31.420 Und deswegen ist es halt sinnvoll, so ein Szenario zu bauen, wo das Modell quasi auf der Vergangenheit lernt 00:56:31.420 --> 00:56:35.060 und dann auf Daten, die danach passiert sind, auch tatsächlich evaluiert wird. 00:56:35.060 --> 00:56:39.360 Sonst kann es halt passieren, dass man sich da verschätzt und dann denkt, 00:56:39.360 --> 00:56:41.240 das Modell wäre besser, als es tatsächlich ist. 00:56:41.240 --> 00:56:45.440 Und nachher im Betrieb, dann muss es ja tatsächlich Prognosen für die Zukunft machen 00:56:45.440 --> 00:56:49.120 und dann ist die Enttäuschung dann irgendwie da, wenn es dann doch schlechter funktioniert, als man dachte. 00:56:49.120 --> 00:56:53.680 Aber man muss natürlich auch immer auffassen, dass man dann halt die neuen zusammenhängenden Erinnerungen 00:56:53.680 --> 00:56:54.680 dann irgendwie auch trotzdem mit reinkriegt. 00:56:54.680 --> 00:56:59.200 Ja, das ist natürlich regelmäßiges Neutraining, ja. 00:56:59.200 --> 00:57:04.100 Also das ist dann auch total wichtig, dass man das Modell nicht einmal trainiert und dann fünf Jahre lang benutzt. 00:57:04.100 --> 00:57:08.420 Trotzdem, solange die Zusammenhänge noch nicht da sind, die neuen, wenn man die noch nicht kennt, 00:57:08.420 --> 00:57:11.040 muss man halt zumindest mit dem leben, was man bis dahin hat. 00:57:11.040 --> 00:57:16.780 Also man könnte ja vielleicht auch diese Zusammenhänge irgendwie als, ich sag mal, Liste dem Geschäft zurückgeben. 00:57:16.780 --> 00:57:18.140 Hey, hier, das sind unsere Annahmen. 00:57:18.140 --> 00:57:19.660 Guckt doch mal bitte, dass die noch stimmen. 00:57:19.660 --> 00:57:21.840 Und wenn ihr merkt, irgendwie da ändert sich irgendwas an den Annahmen, 00:57:21.840 --> 00:57:23.740 dann müssen wir halt da nochmal was auch anpassen. 00:57:24.640 --> 00:57:28.380 Und ja, also zumindest, ich glaube, so direkt geht es gar nicht so gut, 00:57:28.380 --> 00:57:31.480 weil das ist ja was, was das Modell findet und wo die dann eher auch sagen, 00:57:31.480 --> 00:57:34.200 ah ja, cool, ja, das passt so ungefähr zu dem, was wir erwartet haben. 00:57:34.200 --> 00:57:37.400 Aber die können nicht wirklich sagen, oh, das ändert sich jetzt, weil jetzt ist keine Ahnung. 00:57:37.400 --> 00:57:45.460 Zum Beispiel der Zusammenhang von Autoanzahl zu Stickoxiden, der wird schwächer, 00:57:45.460 --> 00:57:50.140 weil mehr E-Autos unterwegs sind und die stoßen keine Stickoxide aus. 00:57:50.140 --> 00:57:54.600 Ja, okay, aber wie viel schwächer der jetzt wird, das kann uns die Senatsverwaltung, 00:57:54.600 --> 00:57:57.480 hier für Umwelt und so weiter, ja auch nicht sagen. 00:57:57.480 --> 00:58:00.800 Also sie können uns sagen, ja, das wird wahrscheinlich schwächer mit der Zeit. 00:58:00.800 --> 00:58:04.180 Also klar, solltet ihr das Modell regelmäßig neu trainieren, aber die können uns nicht sagen, 00:58:04.180 --> 00:58:07.580 so und jetzt, jetzt ist es aber so viel schwächer geworden, so müsst ihr mal neu trainieren. 00:58:07.580 --> 00:58:08.980 Das kann die auch gar nicht sehen. 00:58:08.980 --> 00:58:12.060 Aber deswegen ist es halt meistens so, dass man einfach sagt, 00:58:12.060 --> 00:58:14.780 wir trainieren unser Modell zum Beispiel einmal im Monat neu. 00:58:14.780 --> 00:58:20.260 Und dann wissen wir, dass wir halt eigentlich immer neuere Zusammenhänge abgedeckt haben. 00:58:20.260 --> 00:58:24.280 Deswegen ist es auch manchmal gar nicht so nützlich, ganz, ganz viel Datenhistorie zu haben, 00:58:24.560 --> 00:58:26.900 dass vielleicht das, vor allem jetzt, wo auch noch Corona war, 00:58:26.900 --> 00:58:32.340 dass die Zusammenhänge und die Muster während Corona in irgendwelchen Verkaufszahlen 00:58:32.340 --> 00:58:36.700 oder menschlichem Verhalten, die sind natürlich jetzt, die sind jetzt halt anders. 00:58:36.700 --> 00:58:37.900 Das wäre mein nächster Punkt gewesen. 00:58:37.900 --> 00:58:41.560 Also wenn ich jetzt Statistik nehme, ja, oder von Statistik irgendwo abhängige Modelle, 00:58:41.560 --> 00:58:46.120 um Prognosen zu machen für die Zukunft, dann bin ich ja immer nur, also auf den, 00:58:46.120 --> 00:58:49.240 ich sag jetzt mal den Normalfall trainiert, ja, oder den Alltag. 00:58:49.240 --> 00:58:53.160 Und diese ganzen Schocksituationen, die kann ich ja immer ganz schlecht irgendwie abbilden, 00:58:53.160 --> 00:58:54.360 weil ich ja dafür auch keine, 00:58:54.520 --> 00:58:55.880 Beispiele gehabt habe, ja. 00:58:55.880 --> 00:58:59.020 Wenn der Schock gerade erst passiert ist, dann ist das echt schwierig. 00:58:59.020 --> 00:59:02.100 Man kann, vergangene Schocks kann man halt noch mit reinnehmen und sagen, 00:59:02.100 --> 00:59:04.520 okay, hier war ein Strukturbruch, da hat sich jetzt irgendwie was geändert. 00:59:04.520 --> 00:59:06.100 Das nehmen wir als Feature mit rein. 00:59:06.100 --> 00:59:07.840 Geht manchmal, geht auch nicht immer. 00:59:07.840 --> 00:59:11.540 Also ich glaube, wir haben tatsächlich, 00:59:11.540 --> 00:59:17.880 wir in der Luftfahrtschiff-Projekt haben wir, glaube ich, einfach die Zeiträume definiert. 00:59:17.880 --> 00:59:20.200 Hier war Lockdown, hier war kein Lockdown. 00:59:20.200 --> 00:59:24.140 Damit das Modell zumindest weiß, ah, deswegen war hier so viel weniger. 00:59:24.480 --> 00:59:25.640 Ja, Luftverschmutzung. 00:59:25.640 --> 00:59:28.440 Ja, okay, sonst hätte ich gedacht, oh, das ist eine gute Sache, ja. 00:59:28.440 --> 00:59:32.460 Aber ich habe nochmal, ich würde mal kurz, ganz kurz einen Schritt zurückgehen, 00:59:32.460 --> 00:59:36.120 weil ich habe eine Frage, die mich noch jetzt schon interessieren würde, 00:59:36.120 --> 00:59:39.140 weil ich jetzt auch gar nicht so wirklich Ahnung von diesem TAP-PFN oder so habe, 00:59:39.140 --> 00:59:43.620 weil in den anderen Bereichen haben ja die, also normalerweise hat man neuronale Netze 00:59:43.620 --> 00:59:45.280 für solche tabularischen Daten. 00:59:45.280 --> 00:59:49.800 Das hat nicht, das funktioniert auch, aber halt nicht so gut wie die anderen Arten von Modellen. 00:59:49.800 --> 00:59:54.200 Oft, und die Frage wäre jetzt, was einen, ja, die Transformer, 00:59:54.440 --> 00:59:56.660 beziehungsweise überhaupt irgendwie das ganze Deep Learning, 00:59:56.660 --> 00:59:59.380 die ganze Deep Learning-Geschichte oder so in anderen Bereichen gebracht hat, 00:59:59.380 --> 01:00:03.220 ist ja, dass man nicht mehr so viel Feature-Engineering machen musste. 01:00:03.220 --> 01:00:06.660 Oder eigentlich ist man ja am Feature-Engineering mehr oder weniger vorher gescheitert. 01:00:06.660 --> 01:00:11.520 Und dann, jetzt kann man halt inzwischen einfach die Rohdaten da so, naja, 01:00:11.520 --> 01:00:17.580 mehr oder weniger reinkippen und das neuronale Netz macht das Feature-Engineering für einen sozusagen. 01:00:17.580 --> 01:00:22.280 Und die Frage wäre halt, macht es das möglicherweise, ist es bei TAP-PFN auch so, 01:00:22.280 --> 01:00:24.400 dass ich da jetzt quasi auch, 01:00:24.400 --> 01:00:26.820 relativ rohe Daten irgendwie verwenden kann? 01:00:26.820 --> 01:00:29.560 Oder muss ich das erstmal auch irgendwie in eine Struktur bringen, 01:00:29.560 --> 01:00:30.780 so ähnlich wie bei XGBoost? 01:00:30.780 --> 01:00:33.200 Da fragst du eigentlich die falsche. 01:00:33.200 --> 01:00:38.060 Ich glaube aber, dass man da nicht viel vorbereiten musste. 01:00:38.060 --> 01:00:43.300 Aber da würde ich tatsächlich auch auf unsere Podcast-Folge 01:00:43.300 --> 01:00:45.320 mit dem Autor von TAP-PFN verweisen. 01:00:45.320 --> 01:00:46.920 Muss ich mal anhören. 01:00:46.920 --> 01:00:48.300 Klingt gut. 01:00:48.300 --> 01:00:50.560 Ja, also genau, die ist dann wahrscheinlich für dich die richtige. 01:00:50.560 --> 01:00:51.440 Ja. 01:00:51.440 --> 01:00:52.440 Ja. 01:00:52.440 --> 01:00:54.360 Vielleicht nochmal zu dem Modell. 01:00:54.360 --> 01:00:55.000 Modell-Training. 01:00:55.000 --> 01:00:56.520 Wo trainiert ihr denn das? 01:00:56.520 --> 01:00:57.280 Und wie macht ihr das? 01:00:57.280 --> 01:01:06.860 Meistens auf, also oft auf ABS-Maschinen zum Beispiel. 01:01:06.860 --> 01:01:10.660 Wir haben auch selbst ein paar fette Server. 01:01:10.660 --> 01:01:12.720 Die sind jetzt im Rechenzentrum in Nürnberg. 01:01:12.720 --> 01:01:15.420 Seit neuestem haben sie dort unter ihresgleichen. 01:01:15.420 --> 01:01:17.400 Vorher haben wir so ein bisschen das Büro beheizt, 01:01:17.400 --> 01:01:18.200 damals wie winters. 01:01:18.200 --> 01:01:20.160 Jetzt haben wir ja einen besseren Ort gefunden. 01:01:20.160 --> 01:01:21.440 Also die benutzen wir auch manchmal. 01:01:21.440 --> 01:01:23.860 Aber viel läuft jetzt natürlich inzwischen in der Cloud. 01:01:23.860 --> 01:01:24.320 Und auch das, 01:01:24.320 --> 01:01:25.540 ist dann auch kundenabhängig. 01:01:25.540 --> 01:01:26.240 Also zum Beispiel 01:01:26.240 --> 01:01:28.800 Azure, was auch immer dann. 01:01:28.800 --> 01:01:31.680 Aber das sind oft Sachen, 01:01:31.680 --> 01:01:34.280 die dann doch lokal ein bisschen zu lang dauern würden 01:01:34.280 --> 01:01:36.200 und dann besser auf einer größeren Maschine laufen. 01:01:36.200 --> 01:01:38.660 Also irgendwie, ja. 01:01:38.660 --> 01:01:41.760 Und also die klassischen Sachen sind halt 01:01:41.760 --> 01:01:44.920 normalerweise einfach auf der CPU natürlich. 01:01:44.920 --> 01:01:47.440 Und wenn wir dann aber zu LLMs kommen, 01:01:47.440 --> 01:01:49.320 dann geht es natürlich in Richtung GPU. 01:01:49.320 --> 01:01:51.120 Und wir haben uns auch da 01:01:51.120 --> 01:01:53.280 was zugelegt vor einigen Monaten, 01:01:53.280 --> 01:01:54.280 sodass wir uns auch eigene GPUs 01:01:54.280 --> 01:01:55.720 haben und auch mal selbst 01:01:55.720 --> 01:01:58.400 das aussetzen konnten auf einer eigenen GPU. 01:01:58.400 --> 01:01:59.940 Was natürlich auch 01:01:59.940 --> 01:02:01.300 ganz spannend ist. 01:02:01.300 --> 01:02:02.220 Also habt ihr eine eigene Maschine gestellt 01:02:02.220 --> 01:02:03.740 oder habt ihr irgendwie bei Hetzner oder was gemietet? 01:02:03.740 --> 01:02:06.420 Die haben wir tatsächlich gekauft physisch. 01:02:06.420 --> 01:02:07.900 Die sitzt auch im Rechenzentrum. 01:02:07.900 --> 01:02:11.260 Und dann irgendwann haben wir auch mal was ausprobiert 01:02:11.260 --> 01:02:12.440 oder weil die dann doch zu klein, 01:02:12.440 --> 01:02:13.920 da haben wir das dann über AWS gemacht. 01:02:13.920 --> 01:02:18.080 Das ist auch schwierig, gerade welche zu kaufen. 01:02:18.080 --> 01:02:19.100 Und das ist sehr teuer. 01:02:19.100 --> 01:02:20.800 Mieten ist auch sehr teuer. 01:02:20.800 --> 01:02:23.400 Das macht jetzt schon Sinn. 01:02:24.240 --> 01:02:26.520 Aber ich glaube, sie war dann irgendwie 01:02:26.520 --> 01:02:28.320 zwei Monate später wieder deutlich günstiger. 01:02:28.320 --> 01:02:32.840 Ich glaube, wenn man die mietet, 01:02:32.840 --> 01:02:35.080 dann kostet die irgendwie so 1.000 Euro im Monat oder sowas. 01:02:35.080 --> 01:02:36.540 Naja, also wenn 01:02:36.540 --> 01:02:38.640 du viel Hauptspeicher, wenn du zum Beispiel LLMs 01:02:38.640 --> 01:02:40.500 feintunen willst, dann zahlst du eher 1.000 Euro am Tag. 01:02:40.500 --> 01:02:42.680 Ja, das ist richtig teuer. 01:02:42.680 --> 01:02:44.700 Ja, okay, kommt auch wahrscheinlich drauf an, 01:02:44.700 --> 01:02:45.660 wie viel man braucht, ja. 01:02:45.660 --> 01:02:48.700 Ich glaube, es hat 01:02:48.700 --> 01:02:50.720 auch ein paar Leuten einfach Spaß gemacht, 01:02:50.720 --> 01:02:52.720 das Ding halt auszuwählen und zu kaufen 01:02:52.720 --> 01:02:54.200 und dann wirklich mal selber sowas zu machen. 01:02:54.200 --> 01:02:55.820 Und das komplett aufzusetzen. 01:02:55.820 --> 01:02:58.420 Das macht auch Spaß, ja. 01:02:58.420 --> 01:03:00.020 Ist ja auch gut, wenn man das dann mal kann. 01:03:00.020 --> 01:03:01.520 Kommt ja der Operator durch. 01:03:01.520 --> 01:03:03.860 Ja, ich würde das auch machen. 01:03:03.860 --> 01:03:05.340 Ich brauche nur einen Grund. 01:03:05.340 --> 01:03:06.680 Gib mir doch einen Grund dafür. 01:03:06.680 --> 01:03:09.400 Also vielleicht wollt ihr ein unbezahltes Praktikum. 01:03:09.400 --> 01:03:12.560 Wenn wir dann ganz viel 01:03:12.560 --> 01:03:14.600 große Hardware nicht haben, können wir nur mal nachdenken. 01:03:14.600 --> 01:03:16.600 Richtig. 01:03:16.600 --> 01:03:18.560 Das könnten wir mal nutzen. 01:03:18.560 --> 01:03:22.480 Vielleicht noch mal 01:03:22.480 --> 01:03:24.160 zu der Modellbewertung. 01:03:24.160 --> 01:03:25.480 Ich hätte ja schon gesagt, dass man natürlich 01:03:25.480 --> 01:03:27.200 Kennzahlen ausbrechen kann für die 01:03:27.200 --> 01:03:28.960 Modellgenauigkeit so insgesamt. 01:03:28.960 --> 01:03:31.740 Wie viele Fälle wären richtig vorher gesagt 01:03:31.740 --> 01:03:33.340 oder wie weit sind wir im Mittel daneben. 01:03:33.340 --> 01:03:35.220 Aber dann macht es halt auch Sinn, 01:03:35.220 --> 01:03:37.360 diese Blackbox noch mal aufzubrechen, 01:03:37.360 --> 01:03:39.160 wie ihr eben erwähnt habt. 01:03:39.160 --> 01:03:42.060 Dass man guckt, was hat das Modell eigentlich für Zusammenhänge gefunden. 01:03:42.060 --> 01:03:44.360 Und das ist 01:03:44.360 --> 01:03:46.300 bei einer linearen Regression natürlich leicht, 01:03:46.300 --> 01:03:48.000 weil man sich einfach die Koeffizienten anguckt 01:03:48.000 --> 01:03:50.480 und guckt, wie hoch die sind oder ob welche signifikant sind. 01:03:50.480 --> 01:03:52.220 Aber das geht dann 01:03:52.220 --> 01:03:53.780 bei XGBoost nicht mehr so leicht. 01:03:54.160 --> 01:03:56.580 Sich irgendwelche Splits anzugucken, wie man das Modell gefunden hat. 01:03:56.580 --> 01:03:59.280 Aber da gibt es ganz tolle Methoden, 01:03:59.280 --> 01:04:00.180 die nennen sich Shep 01:04:00.180 --> 01:04:02.760 und die kann man dann 01:04:02.760 --> 01:04:04.700 danach auf die, also man braucht 01:04:04.700 --> 01:04:06.400 das Modell und auch noch mal einen Datensatz, 01:04:06.400 --> 01:04:08.660 mit dem man Prognosen macht und wenn man das hat, 01:04:08.660 --> 01:04:10.800 dann kann man diese Methoden darauf werfen 01:04:10.800 --> 01:04:12.700 und kriegt dann ganz 01:04:12.700 --> 01:04:14.640 praktische Visualisierung. 01:04:14.640 --> 01:04:16.580 Also erstmal eine Feature Importance, 01:04:16.580 --> 01:04:18.680 also wie viel wurde welches Feature 01:04:18.680 --> 01:04:19.840 vom Modell eigentlich genutzt. 01:04:19.840 --> 01:04:22.500 Auch das ist ja schon mal ein erster Plausibilitätscheck, 01:04:22.500 --> 01:04:24.080 wenn da irgendwas ganz am Anfang steht, 01:04:24.120 --> 01:04:26.640 was sehr überrascht ist, sollte man auch überlegen, was da los ist 01:04:26.640 --> 01:04:28.340 und dann kann man sich auch die Form der 01:04:28.340 --> 01:04:30.160 Zusammenhänge angucken. Zum Beispiel 01:04:30.160 --> 01:04:32.500 glaube ich, da haben wir auch gesehen, 01:04:32.500 --> 01:04:34.540 je windiger, desto weniger Schadstoff, aber irgendwo 01:04:34.540 --> 01:04:36.420 gibt es dann so eine Sättigung, dann sind die Schadstoffe halt 01:04:36.420 --> 01:04:38.300 irgendwie einfach so weggeweht, wie es nur geht. 01:04:38.300 --> 01:04:40.360 Und 01:04:40.360 --> 01:04:42.380 das, ich glaube, 01:04:42.380 --> 01:04:44.080 es war sogar, nee, ich glaube, 01:04:44.080 --> 01:04:46.460 das war das Interessante, irgendwann wurde es halt wieder schlechter, 01:04:46.460 --> 01:04:48.320 weil dann der Staub 01:04:48.320 --> 01:04:50.400 aufgewirbelt wird. Wenn es so wenig ist, dann hat man 01:04:50.400 --> 01:04:52.500 immer nur den Staub in der Luft, dass es wieder schlechter wird 01:04:52.500 --> 01:04:54.080 und dann habe ich so, okay, was ist 01:04:54.080 --> 01:04:55.980 das für ein komisches Muster und haben das mit 01:04:55.980 --> 01:04:58.200 Kunden angeguckt, die meinten so, ja, das haben wir auch schon 01:04:58.200 --> 01:05:00.340 beobachtet, dass wir denken, das liegt 01:05:00.340 --> 01:05:02.320 daran, dass dann irgendwann der Wind zu stark ist, 01:05:02.320 --> 01:05:02.780 dass halt Staub in der Luft... 01:05:02.780 --> 01:05:05.460 Der Abrief von der ganzen Straße, der kommt nochmal mit hoch, ja. 01:05:05.460 --> 01:05:08.500 Ja, ist natürlich, wenn dann, wenn es regnet, 01:05:08.500 --> 01:05:10.240 dann halt eben wieder nicht, weil dann wird 01:05:10.240 --> 01:05:12.080 das eben weggespült. Und dann die Temperatur wieder... 01:05:12.080 --> 01:05:14.060 Genau, und solche Sachen kann man dann halt eben sich 01:05:14.060 --> 01:05:16.200 angucken und überlegen, ob die plausibel 01:05:16.200 --> 01:05:18.220 sind und man kann mit den Methoden sogar 01:05:18.220 --> 01:05:20.000 ganz einzelne 01:05:20.000 --> 01:05:22.420 Vorhersagen auch nochmal analysieren 01:05:22.420 --> 01:05:24.040 und dann sagt die einem quasi so, okay, wir haben 01:05:24.040 --> 01:05:26.340 jetzt hier 3,5 mehr gesagt, 01:05:26.340 --> 01:05:28.000 weil es ist Montag und dann haben wir 01:05:28.000 --> 01:05:30.040 aber nochmal 1,2 weniger gesagt, weil 01:05:30.040 --> 01:05:31.840 es ist in den Ferien oder sowas 01:05:31.840 --> 01:05:34.180 und das ist 01:05:34.180 --> 01:05:35.840 natürlich auch sehr gut, um wirklich 01:05:35.840 --> 01:05:38.020 erklären zu können, warum man genau diese 01:05:38.020 --> 01:05:39.840 Prognose macht und was das Modell findet 01:05:39.840 --> 01:05:41.980 und um sich sicher zu sein, dass man 01:05:41.980 --> 01:05:44.080 auch irgendwie ein sinnvolles und gutes Modell gefunden 01:05:44.080 --> 01:05:45.900 hat. Und das klingt jetzt alles 01:05:45.900 --> 01:05:47.920 so linear, als würde man da so durchgehen, aber 01:05:47.920 --> 01:05:49.860 das ist dann auch manchmal ein Moment, wo man nochmal 01:05:49.860 --> 01:05:51.400 Ideen hat und neue Features baut 01:05:51.400 --> 01:05:54.000 oder nochmal Ideen hat und die Daten bereinigt 01:05:54.000 --> 01:05:55.660 weil einem irgendwas ganz komisches auffällt, 01:05:55.660 --> 01:05:57.340 irgendein Artefakt, das man loswerden muss, 01:05:57.340 --> 01:06:00.160 dass, egal wie toll 01:06:00.160 --> 01:06:02.020 man sich die Daten vorher anguckt, manche Sachen 01:06:02.020 --> 01:06:04.140 finde ich, sieht man einfach erst nach der Modellierung 01:06:04.140 --> 01:06:05.660 und muss dann irgendwie nochmal ein Stück zurückgehen, 01:06:05.660 --> 01:06:06.380 das ist ja kein Problem. 01:06:06.380 --> 01:06:09.720 Das ist ja dieser Eval-Step dann, 01:06:09.720 --> 01:06:12.200 der dann guckt, ob das, was man da macht, 01:06:12.200 --> 01:06:13.740 auch dem entspricht, was man so 01:06:13.740 --> 01:06:16.100 möchte. Oder ja, 01:06:16.100 --> 01:06:17.020 es gibt ein Alert, ja. 01:06:17.020 --> 01:06:19.780 Irgendwas stimmt hier nicht, aber das kann natürlich auch sein, 01:06:19.780 --> 01:06:20.820 dass in der Realität irgendwas nicht stimmt. 01:06:20.820 --> 01:06:23.960 Das kommt erst später. In dem Moment haben wir noch gar kein Alert, 01:06:23.960 --> 01:06:25.780 im System, da haben wir irgendwie noch gar nichts. 01:06:25.780 --> 01:06:27.400 Wir haben jetzt vielleicht eine 01:06:27.400 --> 01:06:29.800 Pipeline, die die Tests laufen lässt, wenn wir 01:06:29.800 --> 01:06:32.080 was pushen, aber mehr ist in dem Moment normalerweise 01:06:32.080 --> 01:06:33.220 noch nicht automatisiert. 01:06:33.220 --> 01:06:35.760 Und ja, wir schreiben auch sehr gerne 01:06:35.760 --> 01:06:37.340 Tests. In was schreibt ihr Tests? 01:06:37.340 --> 01:06:39.940 Ich glaube, 01:06:39.940 --> 01:06:41.380 es ist eigentlich immer ein Pytest unterwegs. 01:06:41.380 --> 01:06:44.900 Wir lieben Pytests. 01:06:44.900 --> 01:06:47.840 Wobei Tests mit Daten ja auch manchmal 01:06:47.840 --> 01:06:49.080 ganz witzig sind, weil 01:06:49.080 --> 01:06:51.020 man, ja, 01:06:51.020 --> 01:06:53.700 baut man sich dann einen kleinen Testdatensatz, 01:06:53.920 --> 01:06:56.040 ist der dann realistisch, 01:06:56.040 --> 01:06:57.820 macht man vielleicht sogar Tests gegen die 01:06:57.820 --> 01:06:59.960 echten Daten. Die dürfen, die können 01:06:59.960 --> 01:07:01.940 natürlich keine einzelnen Werte prüfen, aber man kann 01:07:01.940 --> 01:07:03.720 damit testen, ob es überhaupt durchläuft. Also, 01:07:03.720 --> 01:07:05.160 ja, das ist ein ganz eigenes Thema. 01:07:05.160 --> 01:07:08.360 Ja, es ist 01:07:08.360 --> 01:07:10.200 tatsächlich schon, ja, also ich würde 01:07:10.200 --> 01:07:11.820 auch dazu tendieren, irgendwie aus der Realität irgendwas 01:07:11.820 --> 01:07:13.760 rauszuschneiden und dann zu gucken, ob das dann so 01:07:13.760 --> 01:07:16.280 läuft. Weil also so Daten 01:07:16.280 --> 01:07:18.000 mocken ist immer so ein bisschen... 01:07:18.000 --> 01:07:19.420 Naja, gut, ja. 01:07:19.420 --> 01:07:21.440 Ja, es geht auch mal, aber 01:07:21.440 --> 01:07:23.880 schwer. Ja, also 01:07:23.880 --> 01:07:25.520 in dem Moment wäre man ja eigentlich nur bei einem 01:07:25.520 --> 01:07:27.660 POC, bei einem Proof of Concept 01:07:27.660 --> 01:07:29.560 und so ein richtiges Produkt 01:07:29.560 --> 01:07:31.940 oder ein MVP, ein Minimum 01:07:31.940 --> 01:07:33.640 Viable Product, kriegt man ja erst, wenn man dann 01:07:33.640 --> 01:07:35.860 das Ganze auch deployt und automatisiert. 01:07:35.860 --> 01:07:37.560 Und 01:07:37.560 --> 01:07:39.820 wir, ja, wir stellen 01:07:39.820 --> 01:07:41.300 unsere Prognosen oder 01:07:41.300 --> 01:07:42.940 Klassifikationen oder was auch immer 01:07:42.940 --> 01:07:45.620 oft über APIs 01:07:45.620 --> 01:07:47.500 zur Verfügung, über Rest-APIs. 01:07:47.500 --> 01:07:49.920 Oft machen wir aber auch 01:07:49.920 --> 01:07:52.080 nochmal schon ein Frontend 01:07:52.080 --> 01:07:53.840 dazu, also eine Web-App, wo 01:07:53.840 --> 01:07:55.580 die dann angezeigt werden, wo zum Beispiel 01:07:55.580 --> 01:07:57.660 unser Kunde sich dann die Alarme 01:07:57.660 --> 01:07:59.700 angucken kann von irgendwelchen 01:07:59.700 --> 01:08:01.580 Käufen, die irgendwie 01:08:01.580 --> 01:08:02.560 suspekt aussehen. 01:08:02.560 --> 01:08:07.020 Mit was macht ihr die Web-Apps? 01:08:07.020 --> 01:08:09.420 Meistens mit 01:08:09.420 --> 01:08:10.200 Vue.js 01:08:10.200 --> 01:08:13.560 und historisch auch noch 01:08:13.560 --> 01:08:14.680 häufiger mit Asshiny. 01:08:14.680 --> 01:08:17.640 Aber das geht natürlich 01:08:17.640 --> 01:08:19.500 weg. Da haben wir ein Projekt, das ist eigentlich ganz 01:08:19.500 --> 01:08:21.520 cool, da haben wir, da geht's 01:08:21.520 --> 01:08:23.540 gar nicht darum, irgendwelche Prognosen zur Verfügung zu stellen, 01:08:23.540 --> 01:08:23.800 sondern 01:08:23.800 --> 01:08:25.580 da haben wir ja Shiny-Apps gebaut, 01:08:25.580 --> 01:08:27.580 damit Leute Modellierungsalgorithmen 01:08:27.580 --> 01:08:29.760 anwenden können, ohne dass sie 01:08:29.760 --> 01:08:31.720 selbst R-Code schreiben können müssen, 01:08:31.720 --> 01:08:33.780 weil das ist für ganz viele Forschende, die 01:08:33.780 --> 01:08:35.800 aber nicht gut selbst coden können 01:08:35.800 --> 01:08:37.660 und dann wäre die Hürde natürlich total riesig. 01:08:37.660 --> 01:08:39.820 Aber die brauchen eigentlich diese ziemlich komplexen 01:08:39.820 --> 01:08:41.440 Methoden und deswegen haben wir da 01:08:41.440 --> 01:08:43.760 für ein Forschungsinstitut einige Apps gebaut, 01:08:43.760 --> 01:08:46.220 wo die dann eben über eine Klick-Oberfläche 01:08:46.220 --> 01:08:47.660 können sie ihre Daten hochladen 01:08:47.660 --> 01:08:49.960 und können dann die Analyse fahren mit bestimmten Einstellungen 01:08:49.960 --> 01:08:51.700 und kriegen dann Ergebnisse und Visualisierungen. 01:08:51.700 --> 01:08:53.540 Das ist natürlich auch sehr praktisch. 01:08:53.760 --> 01:08:55.820 Ja, und schreiben die dann mit ihre Doktorarbeiten. 01:08:55.820 --> 01:08:57.180 Ja. 01:08:57.180 --> 01:08:58.960 Ja, aber zurück 01:08:58.960 --> 01:09:01.980 zu unseren Prognoseergebnissen. 01:09:01.980 --> 01:09:03.720 Genau, oft stellen 01:09:03.720 --> 01:09:05.640 wir die über eine API zur Verfügung oder wir 01:09:05.640 --> 01:09:07.480 schreiben sie irgendwo in eine Datenbank und der Kunde 01:09:07.480 --> 01:09:09.640 nutzt sie dann halt so. Das ist tatsächlich ja auch 01:09:09.640 --> 01:09:11.260 was, was man vorher wirklich klären muss. 01:09:11.260 --> 01:09:13.440 Reicht das denen, wenn das eine API ist oder 01:09:13.440 --> 01:09:15.660 sitzen da dann Leute, die damit 01:09:15.660 --> 01:09:17.520 überhaupt nichts anfangen können und sagen, ja, was sind denn jetzt meine 01:09:17.520 --> 01:09:19.260 Zahlen? Also, 01:09:19.260 --> 01:09:21.520 genau, das muss man natürlich auch 01:09:21.520 --> 01:09:22.880 vorher wirklich bis zum Ende denken. 01:09:23.720 --> 01:09:25.680 Und unsere Erfahrung ist auch, dass 01:09:25.680 --> 01:09:27.100 es, auch wenn 01:09:27.100 --> 01:09:29.440 der Kunde dann irgendwie vorhat, doch 01:09:29.440 --> 01:09:31.700 das selbst zu machen, sagt, ja, schreib das in die 01:09:31.700 --> 01:09:33.440 Datenbank und dann benutzen wir es 01:09:33.440 --> 01:09:35.720 einfach so weiter, dann trotzdem 01:09:35.720 --> 01:09:37.640 lohnt es sich oft, dass wir das dann 01:09:37.640 --> 01:09:39.860 doch mitdenken und zumindest irgendwie eine kleine Web-Anwendung 01:09:39.860 --> 01:09:41.680 schreiben, weil sonst die Löhne doch 01:09:41.680 --> 01:09:43.600 groß ist und dann hat der in IT halt eben auch 01:09:43.600 --> 01:09:45.840 total viel zu tun und dann ist es richtig schade, 01:09:45.840 --> 01:09:47.800 wenn das Projekt nachher in der Schublade landet 01:09:47.800 --> 01:09:49.680 und fällt dann ja am Ende irgendwie 01:09:49.680 --> 01:09:51.560 auch auf uns zurück. Also dann lieber 01:09:51.560 --> 01:09:53.680 nochmal was Kleines bauen, damit die 01:09:53.680 --> 01:09:54.740 dann doch was sehen können. 01:09:54.740 --> 01:09:57.380 Aber wenn die Farben dann auch richtig sind, 01:09:57.380 --> 01:09:58.460 das ist das Wichtigste an Flickrücken. 01:09:58.460 --> 01:10:01.500 Ja, das kann man auch durch 01:10:01.500 --> 01:10:03.280 unterschätzen. Man sieht ja alles, ja, 01:10:03.280 --> 01:10:04.260 das ist sau hässlich. 01:10:04.260 --> 01:10:08.840 Und 01:10:08.840 --> 01:10:11.620 ja, üblicherweise, das hat man eben 01:10:11.620 --> 01:10:13.420 schon gesagt, ein Modell muss man natürlich regelmäßig neu 01:10:13.420 --> 01:10:15.340 trainieren, weil sich Zusammenhänge in der Regel 01:10:15.340 --> 01:10:17.560 in allen Bereichen immer 01:10:17.560 --> 01:10:19.620 mal wieder ändern. Das ist dann oft so was 01:10:19.620 --> 01:10:21.760 wie einmal im Monat. Ab und zu 01:10:21.760 --> 01:10:23.640 sollte man sich das Modell sogar auch nochmal ganz genau 01:10:23.640 --> 01:10:25.100 anschauen, zum Beispiel nochmal diese ganzen 01:10:25.100 --> 01:10:27.260 CHAP-Sorten berechnen und gucken, ist das eigentlich noch 01:10:27.260 --> 01:10:29.500 plausibel? Das kann man vielleicht 01:10:29.500 --> 01:10:31.700 einmal im Jahr machen und 01:10:31.700 --> 01:10:33.620 die Prognoseerstellung 01:10:33.620 --> 01:10:35.380 kommt halt darauf an, wie oft die benötigt wird und 01:10:35.380 --> 01:10:37.440 wie schnell sich die Sachen ändern. Also in vielen Projekten 01:10:37.440 --> 01:10:39.200 ist es, dass es einmal am Tag passiert, aber 01:10:39.200 --> 01:10:41.180 manchmal ist es dann auch wirklich in Echtzeit, dass dann der 01:10:41.180 --> 01:10:43.680 Anfall reinkommt und dann wird die Prognose 01:10:43.680 --> 01:10:45.500 für diesen einen ganz 01:10:45.500 --> 01:10:47.460 konkreten Fall erstellt und oft kann man 01:10:47.460 --> 01:10:49.220 die auch noch nicht vorbereiten, weil man die Daten vielleicht dann 01:10:49.220 --> 01:10:51.260 nicht hat, sondern kommen dann rein die Daten 01:10:51.260 --> 01:10:53.400 und dann braucht man eine Prognose. Zum Beispiel kommt 01:10:53.400 --> 01:10:55.320 ein neuer Kauf rein oder eine 01:10:55.320 --> 01:10:56.780 Anfrage und man muss in dem Moment 01:10:56.780 --> 01:10:58.960 entscheiden, ist das irgendwie 01:10:58.960 --> 01:11:01.400 verdächtig? Könnte das Betrug 01:11:01.400 --> 01:11:02.480 sein oder ist alles okay? 01:11:02.480 --> 01:11:05.100 Und 01:11:05.100 --> 01:11:07.160 man sollte das natürlich auch überhaupt nicht 01:11:07.160 --> 01:11:09.180 unterschätzen, weil vom POC 01:11:09.180 --> 01:11:11.260 zum MBP und das ist dann ja noch 01:11:11.260 --> 01:11:13.360 ein simples Produkt, das ist oft nochmal Faktor 01:11:13.360 --> 01:11:15.300 10 vom Aufwand her. Ich glaube, das ist 01:11:15.300 --> 01:11:17.400 halt total schwer, vor allem wenn man am Anfang 01:11:17.400 --> 01:11:19.300 so ein bisschen geprototypt hat oder vielleicht mit 01:11:19.300 --> 01:11:20.900 kleineren Daten gearbeitet hat und dann 01:11:20.900 --> 01:11:23.160 muss man auf einmal vermitteln, ja jetzt brauchen wir 01:11:23.160 --> 01:11:25.080 aber nochmal ganz viel Zeit und ich denke so, hey 01:11:25.080 --> 01:11:27.360 ihr habt uns doch gerade die Ergebnisse gezeigt, die sind doch da. 01:11:27.360 --> 01:11:28.700 Und 01:11:28.700 --> 01:11:31.000 ja klar, das ist natürlich auch schwer 01:11:31.000 --> 01:11:32.960 nachvollziehbar von außen, deswegen ist es einfach 01:11:32.960 --> 01:11:34.920 wichtig, das richtig zu kommunizieren. 01:11:34.920 --> 01:11:36.920 Ja, ich wollte gerade sagen, schwer zu kommunizieren, das ist, finde ich, auch 01:11:36.920 --> 01:11:38.680 ein Hauptproblem, gerade bei so Kunden 01:11:38.680 --> 01:11:40.320 und Technologie. 01:11:40.320 --> 01:11:43.100 Ich meine, kann man ja verstehen, 01:11:43.100 --> 01:11:45.160 dass jemand sich dann ein bisschen an der Nase rumgeführt 01:11:45.160 --> 01:11:47.020 fühlt oder einfach schlecht informiert 01:11:47.020 --> 01:11:47.360 fühlt. 01:11:47.360 --> 01:11:50.760 Ja, schwierig. 01:11:50.760 --> 01:11:52.640 Ja. 01:11:52.920 --> 01:11:54.580 Ja, und 01:11:54.580 --> 01:11:56.720 dann gibt es natürlich 01:11:56.720 --> 01:11:58.380 auch immer noch den Bereich 01:11:58.380 --> 01:12:00.580 Monitoring und Wartung, also das, wo wir 01:12:00.580 --> 01:12:02.460 jetzt auch gerade in dem Projekt mit der Senatsverwaltung 01:12:02.460 --> 01:12:04.000 drinstecken, seit 01:12:04.000 --> 01:12:06.280 schon einigen Monaten, da 01:12:06.280 --> 01:12:08.700 haben wir natürlich Alerts, 01:12:08.700 --> 01:12:10.500 wenn irgendwo ein Prozess abbricht, wenn es irgendwo 01:12:10.500 --> 01:12:12.480 einen Fehler in einem Pod gibt, dann 01:12:12.480 --> 01:12:13.640 müssen wir das natürlich wissen, 01:12:13.640 --> 01:12:16.700 aber es kann auch sein, dass die durchlaufen 01:12:16.700 --> 01:12:18.560 ohne Fehler, aber trotzdem irgendwas 01:12:18.560 --> 01:12:20.400 stimmt und vielleicht nur für 01:12:20.400 --> 01:12:22.680 Halb-Berlin-Prognosen erstellt werden 01:12:22.680 --> 01:12:24.340 oder nur für einen halben Tag und deswegen 01:12:24.340 --> 01:12:26.460 sind dann da auch Alarme definiert, 01:12:26.460 --> 01:12:28.160 die gucken, ist die Anzahl, 01:12:28.160 --> 01:12:30.320 entspricht die Anzahl der Prognosen in der Datenbank 01:12:30.320 --> 01:12:31.740 auch tatsächlich unserer Erwartung? 01:12:31.740 --> 01:12:34.280 Man kann auch definieren, gibt es irgendwelche 01:12:34.280 --> 01:12:36.660 unerwarteten Werte, extrem hohe Prognosen 01:12:36.660 --> 01:12:38.300 beispielsweise oder gibt es 01:12:38.300 --> 01:12:40.180 unerwartete Werte in den Input-Daten, 01:12:40.180 --> 01:12:42.520 Werte, die vielleicht überhaupt nicht definiert 01:12:42.520 --> 01:12:43.940 sind und dann 01:12:43.940 --> 01:12:45.760 auch wichtig ist der 01:12:45.760 --> 01:12:48.260 Model-Drift oder Data-Drift, 01:12:48.260 --> 01:12:49.500 das heißt, dass die Daten 01:12:49.500 --> 01:12:52.560 so nach und nach irgendwie in eine andere Richtung 01:12:52.560 --> 01:12:54.000 driften und sich verändern 01:12:54.000 --> 01:12:56.180 oder das Modell so nach 01:12:56.180 --> 01:12:58.180 und nach immer so ein bisschen schlechter wird, 01:12:58.180 --> 01:13:00.140 aber irgendwann, wenn es das lange genug 01:13:00.140 --> 01:13:02.280 gemacht hat, dann ist es halt irgendwann nicht mehr gut genug 01:13:02.280 --> 01:13:04.180 und dann möchte man das ja auch mitbekommen 01:13:04.180 --> 01:13:06.320 und zum Beispiel bei jedem monatlichen Modell-Neutraining 01:13:06.320 --> 01:13:07.640 will man auch mal die ganzen 01:13:07.640 --> 01:13:10.300 KPIs, also die ganzen Gütemaße sehen 01:13:10.300 --> 01:13:12.420 oder vielleicht will man 01:13:12.420 --> 01:13:14.240 sie nicht angucken, sondern möchte halt einfach informiert 01:13:14.240 --> 01:13:16.400 werden, ob die sich nach einer Weile 01:13:16.400 --> 01:13:18.180 vielleicht zu stark verschlechtert haben und dann muss man 01:13:18.180 --> 01:13:19.540 sich einfach nochmal angucken, was los ist. 01:13:19.540 --> 01:13:22.400 Was halt eben auch nochmal zeigt, das ist halt nicht ganz fertig 01:13:22.400 --> 01:13:24.000 und dann kann man es für immer benutzen, aber gut, das 01:13:24.000 --> 01:13:26.340 ist ja auch in der klassischen Softwareentwicklung oft so, 01:13:26.340 --> 01:13:28.140 dass das 01:13:28.140 --> 01:13:30.100 so ein bisschen unterschätzt wird, wie viel dann doch noch gemacht 01:13:30.100 --> 01:13:31.420 werden muss, obwohl es doch fertig ist. 01:13:31.420 --> 01:13:34.120 Macht ihr denn eigene Monitoring-Tools oder nutzt ihr 01:13:34.120 --> 01:13:35.700 ja auch eins von den Sachen, die es da so gibt? 01:13:35.700 --> 01:13:38.340 Ja, also Reader benutzen 01:13:38.340 --> 01:13:40.220 wir in einem Projekt ja ganz 01:13:40.220 --> 01:13:41.800 gerne und sonst 01:13:41.800 --> 01:13:44.280 ja, wie das, was ich gerade 01:13:44.280 --> 01:13:46.360 dann anbiete, ich überlege 01:13:46.360 --> 01:13:47.920 gerade, was wir sonst noch so haben, 01:13:47.920 --> 01:13:49.620 ja, es gibt ja normalerweise 01:13:49.620 --> 01:13:51.880 dann Tools, die man da benutzen kann 01:13:51.880 --> 01:13:52.240 und 01:13:52.240 --> 01:13:53.900 die man dann zum Beispiel auch an Slack 01:13:53.900 --> 01:13:55.340 anschließen kann und kriegt dann da 01:13:55.340 --> 01:13:58.200 Nachrichten, weil weiß ich gerade gar nicht 01:13:58.200 --> 01:14:00.240 so genau, was die in anderen Projekten 01:14:00.240 --> 01:14:01.860 benutzen. Doch, doch, es gibt ganz viele. 01:14:01.860 --> 01:14:04.320 Ich versuche gerade meinen Discord anzubinden. 01:14:04.320 --> 01:14:06.040 Ah, okay, also was 01:14:06.040 --> 01:14:08.040 ich empfehlen kann für so Monitoring-Geschichten 01:14:08.040 --> 01:14:10.080 ist Telegram, weil das 01:14:10.080 --> 01:14:12.240 halt sehr einfach ist, da irgendwie 01:14:12.240 --> 01:14:13.420 über die API 01:14:13.420 --> 01:14:16.040 Dinge zu verschicken. Ja, also Telegram kriege ich auch Nachrichten 01:14:16.040 --> 01:14:17.940 für meine Server, falls da irgendwas passiert, 01:14:17.940 --> 01:14:18.480 was ich will, ja. 01:14:18.480 --> 01:14:20.260 Ja, cool. 01:14:20.260 --> 01:14:21.560 Gut zu wissen. 01:14:22.240 --> 01:14:24.240 Ja, das ist ja auch nochmal so ein spannendes 01:14:24.240 --> 01:14:26.380 Thema, weg von US-Diensten 01:14:26.380 --> 01:14:28.160 und so. Ja, wahrscheinlich 01:14:28.160 --> 01:14:29.280 genau, das ist natürlich 01:14:29.280 --> 01:14:32.160 wenn Telegram irgendwie an der richtigen 01:14:32.160 --> 01:14:32.720 Adresse ist. 01:14:32.720 --> 01:14:35.160 Man soll ja streuen. 01:14:35.160 --> 01:14:36.720 Ja, ja, genau. 01:14:36.720 --> 01:14:39.980 Ja, wir nehmen meistens immer so eigene 01:14:39.980 --> 01:14:42.080 Server oder sowas, aber wenn die halt dann wechseln, ist halt auch blöd, 01:14:42.080 --> 01:14:43.000 dann merkt man es halt sonst nicht. 01:14:43.000 --> 01:14:46.160 Ja, dann musst du halt irgendwo anders noch Dinge haben. 01:14:46.160 --> 01:14:47.420 Ja, man braucht irgendwie so ein Referent, ja. 01:14:47.420 --> 01:14:49.700 Ja, aber ja, klar, es wird dann auch teuer. 01:14:49.700 --> 01:14:52.000 Monitoring ist ja zu ruhig, was passiert denn da jetzt? 01:14:52.240 --> 01:14:52.360 Ja, genau. 01:14:52.360 --> 01:14:55.580 Endlich sind alle Bugs weg. 01:14:55.580 --> 01:14:56.020 Ja. 01:14:56.020 --> 01:14:57.320 Eigentlich ist alles gut. 01:14:57.320 --> 01:15:00.260 Hat jemand den Nähenzuhörer mit in die Tasche gesteckt 01:15:00.260 --> 01:15:00.820 und drunter gemacht? 01:15:00.820 --> 01:15:02.680 Ja. 01:15:02.680 --> 01:15:06.080 Ja, also noch ein ganz wichtiges Stichwort 01:15:06.080 --> 01:15:07.920 in dem Bereich ist natürlich MLOps, 01:15:07.920 --> 01:15:10.040 also Machine Learning Operations, also 01:15:10.040 --> 01:15:12.000 Mischung aus DevOps und Machine Learning 01:15:12.000 --> 01:15:12.840 ist das Wort. 01:15:12.840 --> 01:15:15.520 Der Kurzvortritt ist ja Rathops, oder? 01:15:15.520 --> 01:15:17.140 Ja, genau. 01:15:17.140 --> 01:15:21.680 Und 01:15:21.680 --> 01:15:22.080 ja, 01:15:22.240 --> 01:15:23.620 ja, es ist ja im Prinzip 01:15:23.620 --> 01:15:26.080 DevOps, aber Anpassung auf diesen, 01:15:26.080 --> 01:15:28.720 auf den Datenkäse, auf die Arbeit mit Daten. 01:15:28.720 --> 01:15:30.340 Das heißt, es kommen noch so ein paar Sachen 01:15:30.340 --> 01:15:32.100 dazu, wie zum Beispiel, dass man nicht nur 01:15:32.100 --> 01:15:34.140 Code versionieren muss, sondern auch 01:15:34.140 --> 01:15:36.480 Modelle oder vielleicht Experimente 01:15:36.480 --> 01:15:37.280 versionieren. 01:15:37.280 --> 01:15:40.380 Und ja, es gibt halt nicht nur 01:15:40.380 --> 01:15:42.240 Code-Änderungen, die dazu führen, dass die 01:15:42.240 --> 01:15:44.060 Ergebnisse anders sind, sondern auch jeder 01:15:44.060 --> 01:15:45.460 neue Datenpunkt kann 01:15:45.460 --> 01:15:47.980 die Ergebnisse verändern. 01:15:47.980 --> 01:15:49.460 Das heißt, da kommt dann nochmal so eine 01:15:49.460 --> 01:15:52.060 Zusätzlich-Komplexitätsebene mit rein. 01:15:52.980 --> 01:15:54.320 Ja, das 01:15:54.320 --> 01:15:55.980 ist auch, also 01:15:55.980 --> 01:15:56.980 auch eine ganz wichtige Geschichte. 01:15:56.980 --> 01:15:59.540 Also ich finde das immer dann schwierig, wenn das halt so 01:15:59.540 --> 01:16:02.040 verteilte Systeme sind, die gleichzeitig irgendwie rechnen 01:16:02.040 --> 01:16:03.820 und dann die Sachen wieder zusammenführen müssen. 01:16:03.820 --> 01:16:05.940 Da steige ich auch nicht so genau 01:16:05.940 --> 01:16:08.120 durch, wie man das ordentlich machen will. 01:16:08.120 --> 01:16:09.820 Aber wenn das so 01:16:09.820 --> 01:16:11.800 distributed ist, was halt beim Machine Learning 01:16:11.800 --> 01:16:12.760 auch mal passieren kann, ja? 01:16:12.760 --> 01:16:15.480 Ja, also würde ich jetzt, also aus meiner Erfahrung, 01:16:15.480 --> 01:16:17.360 also bei mir ist das eigentlich, 01:16:17.360 --> 01:16:19.620 also das letzte Mal, dass 01:16:19.620 --> 01:16:21.640 ich den Fall hatte, dass 01:16:21.640 --> 01:16:24.060 wir irgendwie sowas verteilen 01:16:24.060 --> 01:16:25.580 mussten, dann war das wegen, weil 01:16:25.580 --> 01:16:27.820 die Maschinen 32 Bit waren und 01:16:27.820 --> 01:16:29.880 nicht mehr als 4 Gigabyte, wie man auf eine 01:16:29.880 --> 01:16:31.740 Maschine kriegte, und dann brauchte man 01:16:31.740 --> 01:16:33.660 mehrere Maschinen, aber danach ist das 01:16:33.660 --> 01:16:35.820 eigentlich, ehrlich gesagt, also mir nicht mehr passiert, 01:16:35.820 --> 01:16:37.680 weil... Du hast halt einfach viel zu kleine 01:16:37.680 --> 01:16:39.640 Adventures. Meine Daten sind zu klein, das kann schon sein, 01:16:39.640 --> 01:16:41.720 ja, aber ich meine, 01:16:41.720 --> 01:16:44.140 man kriegt heute so große Maschinen, also... 01:16:44.140 --> 01:16:45.800 Ja, über die Preise haben wir uns 01:16:45.800 --> 01:16:46.600 ja gerade unterhalten, ja. 01:16:46.600 --> 01:16:49.020 Ja, ja, aber wenn man CPU, 01:16:49.020 --> 01:16:51.260 die meisten Sachen brauchen wir mal eher CPU, 01:16:51.260 --> 01:16:53.040 dann das ist nicht so toll. 01:16:53.040 --> 01:16:55.180 Okay. Aber wenn 01:16:55.180 --> 01:16:57.380 du dann so eine ganz große Maschine hast und die ist teuer 01:16:57.380 --> 01:16:59.120 und dann kannst du den Code so optimieren, dass 01:16:59.120 --> 01:17:00.820 es viel, viel billiger wird, dann 01:17:00.820 --> 01:17:02.900 ist das doch auch ein tolles Erfolg. 01:17:02.900 --> 01:17:04.480 Ja. 01:17:04.480 --> 01:17:07.360 Ja, wo wir 01:17:07.360 --> 01:17:09.120 gerade schon mal optimieren sind, wie ist 01:17:09.120 --> 01:17:11.000 das denn mit Performance zum Beispiel? Ich glaube, das ist 01:17:11.000 --> 01:17:12.720 noch was gewesen, wo wir sprechen wollten. 01:17:12.720 --> 01:17:15.080 Ja, also da könnte man natürlich auch eine 01:17:15.080 --> 01:17:17.120 ganz separate Folge dazu machen, aber grundsätzlich 01:17:17.120 --> 01:17:18.920 ist das auch natürlich ein 01:17:18.920 --> 01:17:20.800 spannendes Thema. Also was 01:17:20.800 --> 01:17:23.100 mir da immer mal 01:17:23.100 --> 01:17:24.960 wieder auffällt, das ist das, 01:17:24.980 --> 01:17:26.280 was manchmal, 01:17:26.280 --> 01:17:28.520 ja, wenn man eben die 01:17:28.520 --> 01:17:30.740 Funktionen nicht kennt, die eigentlich 01:17:30.740 --> 01:17:32.720 dafür da sind, mit Datensätzen zu arbeiten, dann 01:17:32.720 --> 01:17:35.120 kann es etwas unperformant 01:17:35.120 --> 01:17:36.620 werden, weil man zum Beispiel über den ganzen 01:17:36.620 --> 01:17:38.720 Datensatz loopt, obwohl man Sachen auf die 01:17:38.720 --> 01:17:40.540 ganze Spalte anwenden könnte. Und die sind dann in 01:17:40.540 --> 01:17:42.040 NumPy und sind halt total optimiert. 01:17:42.040 --> 01:17:44.900 Und 01:17:44.900 --> 01:17:46.720 da gibt es eine Menge Sachen. 01:17:46.720 --> 01:17:48.620 Also natürlich, ich glaube, 01:17:48.620 --> 01:17:50.740 treffen alle 01:17:50.740 --> 01:17:52.960 Sachen zu, die generell auf Softwareentwicklung zutreffen. 01:17:52.960 --> 01:17:54.820 Die treffen natürlich auch bei Daten zu und dann 01:17:54.820 --> 01:17:56.720 kommen noch ein paar Sachen dazu. Also zum 01:17:56.720 --> 01:17:58.820 Beispiel Umgang mit großen Datensätzen. 01:17:58.820 --> 01:18:00.780 Da hat man eben schon mal 01:18:00.780 --> 01:18:02.840 angeschnitten, dass das natürlich Spark gibt, 01:18:02.840 --> 01:18:04.720 aber es auch nicht unbedingt total schnell immer 01:18:04.720 --> 01:18:06.780 ist. Und manchmal ist es 01:18:06.780 --> 01:18:08.640 aber auch echt ausreichend, auf einem Sample zu 01:18:08.640 --> 01:18:10.840 arbeiten, weil wenn ich eh schon 01:18:10.840 --> 01:18:12.640 Millionen von Zeilen habe, dann werden die 01:18:12.640 --> 01:18:14.620 weiteren zehn Millionen von Zeilen meistens auch 01:18:14.620 --> 01:18:16.720 nur so viel zusätzliche Information 01:18:16.720 --> 01:18:18.660 liefern. Und dann kann ich mein 01:18:18.660 --> 01:18:20.600 Modell auch auf einem Sample trainieren. Ich kann ja 01:18:20.600 --> 01:18:22.700 immer mal noch das checken, ob es 01:18:22.700 --> 01:18:24.100 wirklich nicht immer viel besser wird. 01:18:24.620 --> 01:18:25.960 Das ist so 01:18:25.960 --> 01:18:28.260 sowas, was man 01:18:28.260 --> 01:18:29.700 im Blick haben sollte. 01:18:29.700 --> 01:18:32.440 Ich gucke mal gerade noch. Ich hätte da mal 01:18:32.440 --> 01:18:33.840 so eine Liste. 01:18:33.840 --> 01:18:36.580 Ja, 01:18:36.580 --> 01:18:38.460 Polar ist eben auch schneller 01:18:38.460 --> 01:18:40.300 als Pandas. Es gab auch vorher noch 01:18:40.300 --> 01:18:42.400 ein, also es gibt auch immer noch 01:18:42.400 --> 01:18:44.700 das Paket Data Table, 01:18:44.700 --> 01:18:46.460 aber ich glaube, dass es einfach gar nicht mehr so 01:18:46.460 --> 01:18:48.040 interessant ist, wo es Polar gibt. 01:18:48.040 --> 01:18:50.460 Und dann, ja, 01:18:50.460 --> 01:18:52.560 bei Datenbanken ist es auch manchmal ganz 01:18:52.560 --> 01:18:53.980 interessant, weil die, 01:18:54.460 --> 01:18:56.480 die sind oft eher darauf optimiert, 01:18:56.480 --> 01:18:58.260 dass man eine kleine Menge von Daten abruft 01:18:58.260 --> 01:19:00.200 oder hinschreibt. Und wenn man dann auf einmal mehrere 01:19:00.200 --> 01:19:02.420 Millionen Zeilen hat, dann werden die so Stück für Stück 01:19:02.420 --> 01:19:04.240 abgerufen und hingeschrieben, 01:19:04.240 --> 01:19:06.300 wie man den welchen Treiber man nutzt. Und da gibt es dann 01:19:06.300 --> 01:19:08.300 auch Hacks, wie 01:19:08.300 --> 01:19:09.720 zum Beispiel, dass man es erst in 01:19:09.720 --> 01:19:12.280 ein Paket-File oder ein CSV 01:19:12.280 --> 01:19:13.760 schreibt und dann das 01:19:13.760 --> 01:19:15.760 im Batch hochlädt. 01:19:15.760 --> 01:19:18.100 Das wird jetzt schon ziemlich 01:19:18.100 --> 01:19:19.900 detailliert. Ja, mit dem Paket-File, da wollten wir 01:19:19.900 --> 01:19:22.220 noch ein bisschen drüber reden, wie man das machen 01:19:22.220 --> 01:19:23.680 kann und auch aktivieren kann. 01:19:24.260 --> 01:19:26.080 Ja, aber genau, wenn wir bei Performance sind, 01:19:26.080 --> 01:19:28.020 so ein ganz generelles Ding, was ich häufig sehe, 01:19:28.020 --> 01:19:30.060 also gerade auch im Zusammenhang mit irgendwie 01:19:30.060 --> 01:19:32.080 Dinge verteilen oder so, was 01:19:32.080 --> 01:19:34.200 ich ganz oft sehe, ist, dass Leute halt grundsätzlich 01:19:34.200 --> 01:19:35.960 erstmal der Meinung sind, wenn man Dinge verteilt, 01:19:35.960 --> 01:19:37.520 dann wird es halt schneller. Und 01:19:37.520 --> 01:19:40.080 ist aber oft 01:19:40.080 --> 01:19:40.420 nicht so. 01:19:40.420 --> 01:19:44.080 Weil ganz oft ist halt CPU 01:19:44.080 --> 01:19:45.920 möglicherweise gar nicht das Bottleneck. Also wenn man, 01:19:45.920 --> 01:19:47.920 bevor man sowas macht, wie Dinge dann 01:19:47.920 --> 01:19:49.880 verteilen oder so, sollte man vielleicht mal gucken, wo ist denn eigentlich 01:19:49.880 --> 01:19:51.100 das Bottleneck? Und 01:19:51.100 --> 01:19:53.740 ich sehe das so oft, 01:19:54.060 --> 01:19:55.740 ich sehe das so oft, dass Leute sagen so, ja, 01:19:55.740 --> 01:19:57.860 das wird nicht schneller oder so. Und dann ist es halt 01:19:57.860 --> 01:19:59.240 I.O. Und dann 01:19:59.240 --> 01:20:01.800 ist es halt so, dass 01:20:01.800 --> 01:20:04.060 verteilen macht das alles noch schlimmer, weil 01:20:04.060 --> 01:20:06.040 irgendwie Netzwerk 01:20:06.040 --> 01:20:07.780 ist halt noch viel langsamer als irgendwie 01:20:07.780 --> 01:20:09.180 quasi lokale SSDs. 01:20:09.180 --> 01:20:11.720 Und wenn man halt 01:20:11.720 --> 01:20:13.660 die Daten in der richtigen Reihenfolge lädt, 01:20:13.660 --> 01:20:15.800 sozusagen, und nicht zufällig 01:20:15.800 --> 01:20:17.700 die ganze Zeit, wenn man sehr große Datenmengen 01:20:17.700 --> 01:20:19.480 hat, also so groß, dass sie nicht in den Hauptschleifer passen, 01:20:19.480 --> 01:20:21.020 wenn die dann sozusagen richtig, 01:20:21.020 --> 01:20:22.820 also sich jedes, 01:20:23.860 --> 01:20:25.960 alle Daten immer nur einmal anguckt, dann kann es sein, 01:20:25.960 --> 01:20:27.940 dass es super schnell ist. Während wenn man halt 01:20:27.940 --> 01:20:29.920 zufällig auf dem, auf dem, auf einem 01:20:29.920 --> 01:20:31.800 großen Paket-File beispielsweise 01:20:31.800 --> 01:20:33.880 dann irgendwie immer ein Stückchen hier liest, ein Stückchen 01:20:33.880 --> 01:20:34.340 da liest, 01:20:34.340 --> 01:20:37.320 die ganze Zeit random irgendwie 01:20:37.320 --> 01:20:39.420 zwei Gigabyte I.O. macht, dann 01:20:39.420 --> 01:20:41.920 ist das alles total langsam und sieht so aus, 01:20:41.920 --> 01:20:43.460 als ob es nicht schneller gehen würde. 01:20:43.460 --> 01:20:45.400 Und tatsächlich 01:20:45.400 --> 01:20:47.600 ist es aber, ist es aber 01:20:47.600 --> 01:20:49.740 eine ganz einfache Optimierung, die dazu 01:20:49.740 --> 01:20:50.480 führt, dass es halt, 01:20:50.480 --> 01:20:53.660 dass es halt schnell genug ist. Also ich würde mal sagen, 01:20:53.660 --> 01:20:55.480 wenn man, wenn man, wenn man so ein MacBook nimmt 01:20:55.480 --> 01:20:57.600 und das richtig benutzt, ist es sehr schwer, 01:20:57.600 --> 01:20:59.520 das mit einem Cluster zu schlagen. Wirklich, sehr schwer. 01:20:59.520 --> 01:21:01.740 Also, und das ist glaube ich 01:21:01.740 --> 01:21:03.560 auch vielen Leuten nicht so bewusst. Also 01:21:03.560 --> 01:21:05.660 das ist halt oft, wird da mit Kanonen 01:21:05.660 --> 01:21:07.660 auf Spatzen geschossen. Und 01:21:07.660 --> 01:21:09.600 das eigentliche Problem gar nicht, wird 01:21:09.600 --> 01:21:11.300 gar nicht erkannt, sondern, ja. 01:21:11.300 --> 01:21:13.620 Jetzt wollte ich gerade mit IBIS anfangen, was ja auch 01:21:13.620 --> 01:21:15.760 so ein bisschen größer ist als ein Spatz, aber 01:21:15.760 --> 01:21:17.640 Ja, aber gut, 01:21:17.640 --> 01:21:18.680 das ist ja sozusagen, 01:21:18.680 --> 01:21:21.680 dass man halt quasi ein DataFrame-Interface 01:21:21.680 --> 01:21:23.460 hat für irgendwie 01:21:23.460 --> 01:21:25.440 Sachen, die hintendran SQL sprechen, oder? 01:21:25.440 --> 01:21:27.420 Ja, oder zum Beispiel verteilte Datenbanken 01:21:27.420 --> 01:21:28.780 oder sowas, ja. Ja. 01:21:28.780 --> 01:21:31.280 Äh, genau. 01:21:31.280 --> 01:21:33.500 Also, aber genau, 01:21:33.500 --> 01:21:35.520 also oft, oft ist es dann halt 01:21:35.520 --> 01:21:37.020 so, wenn man dann halt irgendwie 01:21:37.020 --> 01:21:39.360 irgendwas benutzt, was halt SQL spricht, 01:21:39.360 --> 01:21:41.260 aber hintendran total verteilt ist, 01:21:41.260 --> 01:21:43.220 dass das dann halt sehr langsam ist 01:21:43.220 --> 01:21:45.300 und Leute nicht wissen, warum das langsam ist 01:21:45.300 --> 01:21:47.160 und sich dann irgendwie dran gewöhnen und dann halt, 01:21:47.160 --> 01:21:49.160 wenn sie ihre Jobs losschicken, halt dann 01:21:49.160 --> 01:21:50.560 Mittagessen gehen oder so, aber 01:21:50.560 --> 01:21:53.260 und wenn sie sich vor die Daten irgendwie, äh, 01:21:53.260 --> 01:21:55.480 halt geholt hätten und hätten das auf dem Laptop 01:21:55.480 --> 01:21:56.840 in Pandas gemacht oder sowas, wäre es viel schneller gewesen. 01:21:56.840 --> 01:21:59.420 Naja, so, solche Sachen, äh, 01:21:59.420 --> 01:22:01.160 ja. Aber IBIS, 01:22:01.160 --> 01:22:03.240 ja, es ist grad, ähm, 01:22:03.240 --> 01:22:04.420 benutzt ihr das? 01:22:04.420 --> 01:22:06.640 Nee, hab ich tatsächlich noch nie gehört. 01:22:06.640 --> 01:22:09.000 Okay. Das, ich glaube, das ist doch von dem... 01:22:09.000 --> 01:22:11.360 Was, was, was ich noch mal 01:22:11.360 --> 01:22:13.160 wiederholen will, ist einfach dieses, ja, 01:22:13.160 --> 01:22:15.240 guck dir erstmal an, was eigentlich gerade langsam ist, 01:22:15.240 --> 01:22:17.200 wo ist eigentlich dein Bottleneck, weil da sind ja 01:22:17.200 --> 01:22:19.380 manchmal die Annahmen einfach nicht richtig. 01:22:19.380 --> 01:22:21.460 Ja. Ich hab, das ist so witzig, 01:22:21.460 --> 01:22:23.060 dass du es sagst, ich hab gerade, ich glaube, 01:22:23.060 --> 01:22:24.640 letzte Woche hab ich 01:22:24.640 --> 01:22:27.160 gerade was parallelisiert und dadurch 01:22:27.160 --> 01:22:28.800 sehr, sehr, sehr, sehr, sehr viel schneller gemacht. 01:22:28.800 --> 01:22:31.140 Ja gut, das geht schon auch, ne? Das kann natürlich 01:22:31.140 --> 01:22:32.820 schon manchmal der Punkt sein, aber 01:22:32.820 --> 01:22:35.040 eben das Beispiel war ja eben gerade, 01:22:35.040 --> 01:22:37.180 dass es dann an der Kommunikation mit der Datenbank liegt 01:22:37.180 --> 01:22:39.360 und wenn man dann... 01:22:39.360 --> 01:22:41.080 Das ist, also eigentlich ist es trivial, dass man 01:22:41.080 --> 01:22:43.040 erstmal profilen muss und gucken muss, was langsam 01:22:43.040 --> 01:22:45.220 ist. Wenn man es mal gesagt hat, klingt's ja trivial, 01:22:45.220 --> 01:22:47.320 aber ich glaube, wenn man 01:22:47.320 --> 01:22:48.340 es zum ersten Mal macht, dann vergisst man es. 01:22:48.340 --> 01:22:50.680 Ich glaube auch, dass viele Leute halt nicht so bewusst sind. 01:22:50.680 --> 01:22:52.860 Die profilen dann vielleicht auch und sehen dann vielleicht sogar 01:22:52.860 --> 01:22:54.640 noch irgendwie, wo Zeit verloren 01:22:54.640 --> 01:22:56.820 geht, aber gucken 01:22:56.820 --> 01:22:58.640 halt nicht auf sowas, wie ist denn jetzt 01:22:58.640 --> 01:23:00.300 eigentlich, wenn ich jetzt einfach mal 01:23:00.300 --> 01:23:02.700 ein paar CPUs nehme, krieg ich 01:23:02.700 --> 01:23:04.620 dann tatsächlich, wird's schneller oder nicht? Wenn's 01:23:04.620 --> 01:23:06.580 nicht schneller wird, okay, gibt's vielleicht irgendeine andere 01:23:06.580 --> 01:23:08.340 Komponente im System, die halt 01:23:08.340 --> 01:23:10.240 irgendwie, die halt dicht ist 01:23:10.240 --> 01:23:12.740 und dass es halt da Unterschiede 01:23:12.740 --> 01:23:14.320 gibt, dass halt nicht alles CPU ist, das ist 01:23:14.320 --> 01:23:16.180 oft, hab ich das Gefühl, nicht so 01:23:16.180 --> 01:23:18.720 keine weit verbreitete sozusagen 01:23:18.720 --> 01:23:20.500 Erkenntnis und ja, 01:23:20.500 --> 01:23:22.660 aber ja, genau, das ist ganz wichtig, dass man das 01:23:22.660 --> 01:23:24.380 halt sich einfach so 01:23:24.380 --> 01:23:25.940 im Gesamtsystem mal anguckt, ja. 01:23:25.940 --> 01:23:28.480 Beim Modelltraining ist es dann tatsächlich 01:23:28.480 --> 01:23:30.340 schon oft sinnvoll 01:23:30.340 --> 01:23:32.520 zu parallelisieren, wenn das lang dauert 01:23:32.520 --> 01:23:34.560 und das ist aber dann auch in den 01:23:34.560 --> 01:23:36.460 meisten Paketen schon so eingebaut, dass 01:23:36.460 --> 01:23:38.460 man dann nur irgendwie die Anzahl der Kerne 01:23:38.460 --> 01:23:40.380 übergeben muss, die dieses nutzen soll und dann läuft 01:23:40.380 --> 01:23:42.420 das einfach, das ist ganz praktisch. Genau, aber ich 01:23:42.420 --> 01:23:44.440 weiß jetzt nicht, also das war jedenfalls, ich hab das ja auch schon 01:23:44.440 --> 01:23:46.420 lange nicht mehr gemacht, aber das war 01:23:46.420 --> 01:23:48.520 zu der Zeit, wo ich solche Sachen gemacht hab, war das 01:23:48.520 --> 01:23:50.240 halt schwer, das auf mehrere Rechner zu verteilen, also 01:23:50.240 --> 01:23:52.200 auf einem Rechner, ja, genau, mehrere Kerne, kein Problem. 01:23:52.460 --> 01:23:54.320 Aber auf mehrere Maschinen, X-Wing-Boost, 01:23:54.320 --> 01:23:56.520 ja, eher nicht. 01:23:56.520 --> 01:23:58.360 Ja, die Frage ist, wie 01:23:58.360 --> 01:24:00.400 sehr man das auch manuell machen 01:24:00.400 --> 01:24:01.800 muss, weil man ja meistens dann 01:24:01.800 --> 01:24:04.200 sich seinen Class-Data-Breaks oder so 01:24:04.200 --> 01:24:06.240 hochfährt und muss sich darüber gar keine Gedanken 01:24:06.240 --> 01:24:07.800 machen eigentlich. Ja. 01:24:07.800 --> 01:24:10.340 Also zumindest als Data-Scientist ist das 01:24:10.340 --> 01:24:11.900 nicht das, was man irgendwie 01:24:11.900 --> 01:24:13.720 das erwartet wird, dass 01:24:13.720 --> 01:24:16.600 dann da verschiedene Rechner zusammenfließt. 01:24:16.600 --> 01:24:17.820 Ja, ja. 01:24:17.820 --> 01:24:20.420 Und dann ist natürlich manchmal irgendwie 01:24:20.420 --> 01:24:22.260 schon so, dass man doch wieder auf 01:24:22.260 --> 01:24:23.520 andere Programmiersprachen 01:24:23.520 --> 01:24:26.260 ausweichen muss, weil Python 01:24:26.260 --> 01:24:28.060 und R nicht unbedingt dafür bekannt sind, dass 01:24:28.060 --> 01:24:29.220 sie total schnell sind. 01:24:29.220 --> 01:24:32.220 Aber ich glaube, also meiner Erfahrung 01:24:32.220 --> 01:24:34.120 nach ist es schon oft so, dass man schon sehr 01:24:34.120 --> 01:24:36.000 viel rausholen kann, wenn man sich den Python 01:24:36.000 --> 01:24:38.240 oder R-Code nochmal genau anschaut, profilt 01:24:38.240 --> 01:24:39.920 und dann vielleicht irgendwo 01:24:39.920 --> 01:24:41.900 auch mal die Daten 01:24:41.900 --> 01:24:43.580 vorher klug filtert oder 01:24:43.580 --> 01:24:46.000 ein sinnvolles If-Statement 01:24:46.000 --> 01:24:47.880 irgendwie so ein bisschen verschiebt, weil man auf einmal 01:24:47.880 --> 01:24:49.980 merkt, oh Moment, oder in einem Loop irgendwas 01:24:49.980 --> 01:24:51.840 rauszieht, was eigentlich nur einmal passieren muss, 01:24:52.060 --> 01:24:53.360 das sind ja so Sachen, die dann doch 01:24:53.360 --> 01:24:55.780 schnell passieren, wenn man den Code 01:24:55.780 --> 01:24:57.680 irgendwann so beschrieben und ein paar Mal verändert hat, 01:24:57.680 --> 01:25:00.080 dann ist da vielleicht irgendwas, was man 01:25:00.080 --> 01:25:01.860 also so eine Low-Hang-In-Food, was man 01:25:01.860 --> 01:25:03.200 schon leicht optimieren kann. 01:25:03.200 --> 01:25:05.140 Python könnte man ja auch noch schneller kriegen, wenn man will, ja. 01:25:05.140 --> 01:25:07.680 Ja, wobei, ich meine, das ist halt immer die Frage, 01:25:07.680 --> 01:25:09.880 wenn es halt schnell sein soll, dann nimmt man am besten 01:25:09.880 --> 01:25:10.580 was, was nicht halt, 01:25:10.580 --> 01:25:14.000 in Python sind halt, was halt langsam sind, halt Funktionsaufrufe, 01:25:14.000 --> 01:25:15.980 Schleifen, das ist halt extrem 01:25:15.980 --> 01:25:17.920 langsam, weil wenn man 01:25:17.920 --> 01:25:19.060 die Schleifen halt in NumPy, 01:25:19.060 --> 01:25:21.660 nicht als Schleife, sondern irgendwie vektorisiert, 01:25:21.860 --> 01:25:23.240 auf den Daten macht, dann ist es halt schnell. 01:25:23.240 --> 01:25:25.080 Und ob man das jetzt von Python aus aufruft oder nicht. 01:25:25.080 --> 01:25:27.580 Das ist dann auch dieses Stichwort, dass 01:25:27.580 --> 01:25:29.720 jemand, der das durch Mais eben über den Data-Frame 01:25:29.720 --> 01:25:31.440 drüber loopst, einfach so verweilt. 01:25:31.440 --> 01:25:32.040 Das ist dann schlecht, ja. 01:25:32.040 --> 01:25:35.820 Ja, aber 01:25:35.820 --> 01:25:37.460 deswegen ja genau, einfach dann eine Maske drauf 01:25:37.460 --> 01:25:39.320 und dann machst du es halt drunter 01:25:39.320 --> 01:25:39.880 in NumPy, ja. 01:25:39.880 --> 01:25:43.540 Ja, also warum ich 01:25:43.540 --> 01:25:45.380 Ibis eben sagte, weil es auch von Wes McKinney 01:25:45.380 --> 01:25:47.620 ist halt dem Pandas-Menschen, 01:25:47.620 --> 01:25:48.040 der... 01:25:48.040 --> 01:25:51.100 Ja, der hat ja eine ganze Menge, der ist auch hinter dem, 01:25:51.660 --> 01:25:53.700 äh, Arrow, das ist halt so seit einiger Zeit 01:25:53.700 --> 01:25:54.360 sein Hauptprojekt. 01:25:54.360 --> 01:25:57.500 Ja, vielleicht nochmal, was macht Arrow, wenn wir 01:25:57.500 --> 01:25:59.500 schon dabei sind? Achso, ja, das ist eigentlich im Grunde 01:25:59.500 --> 01:26:01.620 so, die Grundidee dabei ist 01:26:01.620 --> 01:26:03.580 halt, dass man vielleicht aus 01:26:03.580 --> 01:26:05.540 unterschiedlichen, also das 01:26:05.540 --> 01:26:06.840 ist halt das Problem bei NumPy 01:26:06.840 --> 01:26:09.080 oder Pandas-Geschichten, also 01:26:09.080 --> 01:26:11.520 man hat das dann halt in 01:26:11.520 --> 01:26:13.540 Python, aber wenn man jetzt eine andere Programmiersprache 01:26:13.540 --> 01:26:15.500 hat und darauf zugreifen will, dann geht das halt 01:26:15.500 --> 01:26:17.460 nicht. Und die Idee 01:26:17.460 --> 01:26:19.560 bei Arrow ist halt, dass man 01:26:19.560 --> 01:26:21.460 das halt, dass man eine gemeinsame 01:26:21.460 --> 01:26:23.820 Daten-In-Hauptspeicher- 01:26:23.820 --> 01:26:25.080 Laden-Infrastruktur hat 01:26:25.080 --> 01:26:27.420 und dann halt Paket-Files 01:26:27.420 --> 01:26:29.360 quasi, oder was auch immer, man lässt 01:26:29.360 --> 01:26:31.060 halt einen Hauptspeicher und kann dann halt von 01:26:31.060 --> 01:26:33.220 unterschiedlichen Sprachen auch 01:26:33.220 --> 01:26:34.880 drauf zugreifen und das 01:26:34.880 --> 01:26:36.060 funktioniert dann halt. 01:26:36.060 --> 01:26:38.980 Genau, und ja, 01:26:38.980 --> 01:26:41.120 ist halt nicht an sowas wie NumPy gebunden, was es halt nur für 01:26:41.120 --> 01:26:42.960 Python gibt im Grunde. Und 01:26:42.960 --> 01:26:45.180 ja, das ist jetzt inzwischen, aber glaube ich, liegt das 01:26:45.180 --> 01:26:47.160 auch unter Pandas drunter und 01:26:47.160 --> 01:26:49.240 zu größeren 01:26:49.240 --> 01:26:51.260 Teilen, ehrlich gesagt bin ich da 01:26:51.260 --> 01:26:52.800 in letzter Zeit nicht so viel Interessanz gemacht. 01:26:52.800 --> 01:26:55.080 Ja. 01:26:55.080 --> 01:26:57.120 Genau, ja, also mit IBIS kann man 01:26:57.120 --> 01:26:59.100 zum Beispiel auch da Peiss-Bug oder sowas dann berechnen, 01:26:59.100 --> 01:27:01.000 dass man dann... Ja, also alles, was 01:27:01.000 --> 01:27:02.560 irgendwie SQL spricht, kannst du da, 01:27:02.560 --> 01:27:05.060 soweit ich weiß, ist einfach nur ein Layer, wo du 01:27:05.060 --> 01:27:06.680 halt ein Data-Frame-Interface 01:27:06.680 --> 01:27:09.200 hast nach außen hin, sodass du es benutzen kannst 01:27:09.200 --> 01:27:10.960 wie einen normalen Data-Frame, aber nach hinten raus 01:27:10.960 --> 01:27:12.000 spricht es dann halt SQL. 01:27:12.000 --> 01:27:14.480 Was halt, ja, 01:27:14.480 --> 01:27:17.400 wenn du ein System hast, das das kann, dann ist es... 01:27:17.400 --> 01:27:18.160 Ja. 01:27:18.160 --> 01:27:18.240 Ja. 01:27:21.060 --> 01:27:23.220 Ich glaube, wir haben schon viel 01:27:23.220 --> 01:27:25.280 über diesen Prozess, wie wir das gesprochen haben, 01:27:25.280 --> 01:27:26.260 Crisp, sind wir durch? 01:27:26.260 --> 01:27:29.880 Ja, eigentlich sind wir durch und dann kann man ja wieder von Anfang 01:27:29.880 --> 01:27:31.300 an anfangen und sich den nächsten 01:27:31.300 --> 01:27:33.220 Next-Best-Use-Case-Schlamm unternehmen. 01:27:33.220 --> 01:27:35.780 Oder das, was man schon hat, halt noch mal 01:27:35.780 --> 01:27:37.740 erweitern, überlegen, ob man es 01:27:37.740 --> 01:27:39.520 auch anders anwenden kann und so weiter. 01:27:39.520 --> 01:27:41.860 Also du würdest zum Beispiel 01:27:41.860 --> 01:27:43.840 sagen, aus deiner Perspektive, es gibt gar keinen großen Unterschied 01:27:43.840 --> 01:27:45.920 zwischen Data Science und Machine Learning 01:27:45.920 --> 01:27:47.380 Operations oder Engineering 01:27:47.380 --> 01:27:48.400 mehr 01:27:48.400 --> 01:27:50.160 heutzutage. 01:27:50.860 --> 01:27:52.560 Oder so. Ja, also es sind halt 01:27:52.560 --> 01:27:54.620 alles irgendwie so verschiedene Schwerpunkte. 01:27:54.620 --> 01:27:56.300 Bei uns sind jetzt, 01:27:56.300 --> 01:27:58.140 wir haben schon Leute, die eher 01:27:58.140 --> 01:28:00.360 Data Science machen, die eher modellieren und 01:28:00.360 --> 01:28:02.160 andere Leute, die eher 01:28:02.160 --> 01:28:04.540 in dem DevOps, MLOps-Bereich 01:28:04.540 --> 01:28:06.440 unterwegs sind oder auch Data Engineering 01:28:06.440 --> 01:28:08.720 machen, die sich besser mit Datenbanken auskennen. 01:28:08.720 --> 01:28:10.500 Aber wir haben bei uns 01:28:10.500 --> 01:28:12.480 jetzt nicht so die klare Trennung, du musst das eine oder das andere 01:28:12.480 --> 01:28:14.340 machen. Es gibt auch Leute, die machen beides, gehen dann 01:28:14.340 --> 01:28:16.140 halt eben nicht ganz so krass in die Tiefe, 01:28:16.140 --> 01:28:18.280 aber haben halt ein breiteres Profil und 01:28:18.280 --> 01:28:19.940 das ist halt natürlich auch total wertvoll. 01:28:20.660 --> 01:28:22.620 Ja, es gibt 01:28:22.620 --> 01:28:23.800 diese Schwerpunkte, aber 01:28:23.800 --> 01:28:26.020 greift ja auch alles ineinander und 01:28:26.020 --> 01:28:28.480 es ist ja auch so, dass 01:28:28.480 --> 01:28:30.620 es halt Sinn macht, so ein T-Shape- 01:28:30.620 --> 01:28:32.440 Profile aufzubauen, also dass man in einer 01:28:32.440 --> 01:28:33.680 Sache schon wirklich gut ist, aber 01:28:33.680 --> 01:28:36.200 von vielen anderen Sachen auch Ahnung hat 01:28:36.200 --> 01:28:38.320 und da auch was machen kann, dann ist man eben auch flexibler, 01:28:38.320 --> 01:28:40.220 auch wenn vielleicht ein Bereich auf einmal 01:28:40.220 --> 01:28:42.160 nicht mehr so gefragt ist aus irgendwelchen Gründen, 01:28:42.160 --> 01:28:44.160 ob das AI den übertroffen hat oder 01:28:44.160 --> 01:28:45.660 weil wir alle ersetzt werden durch 01:28:45.660 --> 01:28:46.480 sowas, genau. 01:28:50.460 --> 01:28:52.040 Ja, es macht natürlich auch Sinn, wenn ich als 01:28:52.040 --> 01:28:53.840 Data Scientist jetzt mich 01:28:53.840 --> 01:28:56.100 nicht weigere, mal das Jenkins-File 01:28:56.100 --> 01:28:56.940 zu updaten. 01:28:56.940 --> 01:29:00.360 Da macht es ja schon Sinn, 01:29:00.360 --> 01:29:01.880 sich dann mit allem ein bisschen auszukennen. 01:29:01.880 --> 01:29:03.600 Ja, okay. 01:29:03.600 --> 01:29:06.140 So aus meiner Perspektive ist das, ich meine, das mag 01:29:06.140 --> 01:29:07.760 jetzt etwas ketzerisch klingen, oder ich weiß nicht, vielleicht 01:29:07.760 --> 01:29:09.920 so Hot-Take-Verwandlung. 01:29:09.920 --> 01:29:12.180 Ich würde sagen, das ist alles 01:29:12.180 --> 01:29:14.220 Programmieren. Oder, sag mal so, 01:29:14.220 --> 01:29:15.420 das, was praktisch oft 01:29:15.420 --> 01:29:17.900 sozusagen ein Bottleneck ist bei 01:29:17.900 --> 01:29:20.260 Leuten, die versuchen, irgendwas zu tun, ob es 01:29:20.260 --> 01:29:21.980 Produkt umsetzen, irgendwas analysieren 01:29:21.980 --> 01:29:23.920 oder Modelle bauen oder was auch immer ist, ist 01:29:23.920 --> 01:29:25.860 halt normalerweise das Programmieren. 01:29:25.860 --> 01:29:27.320 Ist halt das Bottleneck aus 01:29:27.320 --> 01:29:28.120 sowas. 01:29:28.120 --> 01:29:31.720 Also ein bisschen statistisches Grundverständnis schadet 01:29:31.720 --> 01:29:33.680 vielleicht auch nicht. Ja, aber du brauchst oft 01:29:33.680 --> 01:29:35.120 oder gut, das mag 01:29:35.120 --> 01:29:37.880 dann irgendwie, das mag 01:29:37.880 --> 01:29:39.840 daran liegen, dass ich das halt, dass ich die 01:29:39.840 --> 01:29:41.880 Feinheiten dann oft nicht so sehe, aber 01:29:41.880 --> 01:29:43.840 und dass man da vielleicht Feinheiten machen kann, 01:29:43.840 --> 01:29:45.700 aber oft scheitert es halt schon an so groben Dingen 01:29:45.700 --> 01:29:47.720 und dann kommt es auf die 01:29:47.720 --> 01:29:48.600 Feinheiten auch nicht mehr an. 01:29:50.060 --> 01:29:51.980 Ich würde sagen, alle 01:29:51.980 --> 01:29:53.640 bei uns können programmieren 01:29:53.640 --> 01:29:56.040 und wenn man jetzt ein Projekt hat, wo alle 01:29:56.040 --> 01:29:57.720 programmieren können, aber nur die Hälfte 01:29:57.720 --> 01:30:00.000 hat Statistikverständnis, ist okay. Wenn aber 01:30:00.000 --> 01:30:02.020 alle Statistik können und die Hälfte kann programmieren, 01:30:02.020 --> 01:30:03.400 dann langweilt sich die eine Hälfte 01:30:03.400 --> 01:30:06.040 der Leute, die halt nicht programmieren können, weil die können 01:30:06.040 --> 01:30:08.020 da ja immer nur Ergebnisse angucken und irgendwas dazu 01:30:08.020 --> 01:30:09.800 sagen. Oder genau, so kommt man jetzt auch aus, 01:30:09.800 --> 01:30:12.100 man ist halt hart davon abhängig, 01:30:12.100 --> 01:30:13.740 dass man, dass irgendwie dieses 01:30:13.740 --> 01:30:15.960 Programmier-Dings halt auch funktioniert, weil ansonsten 01:30:15.960 --> 01:30:17.860 kommt man mit den anderen Sachen, ist halt sozusagen 01:30:17.860 --> 01:30:19.860 die Infrastruktur, die man braucht für fast alles andere. 01:30:19.860 --> 01:30:21.940 Ja, natürlich gibt es halt auch 01:30:21.940 --> 01:30:23.820 so Programme wie SPSS, womit man 01:30:23.820 --> 01:30:25.180 Statistikanalysen machen kann. 01:30:25.180 --> 01:30:26.400 Das wollte ich ganz am Anfang sagen. 01:30:26.400 --> 01:30:29.800 Das hat ja auch 01:30:29.800 --> 01:30:31.740 seine Daseinsberechtigung, weil wenn jemand nur 01:30:31.740 --> 01:30:33.560 alle drei Monate mal eine Analyse fährt, 01:30:33.560 --> 01:30:34.880 dann lohnt sich halt eben nicht. 01:30:34.880 --> 01:30:37.220 Ja, aber auch da, 01:30:37.220 --> 01:30:39.620 da mache ich mir einen Notebook für halt dann, oder? 01:30:39.620 --> 01:30:41.480 Nee, aber die Person macht 01:30:41.480 --> 01:30:43.100 alle drei Monate irgendwas anderes. 01:30:43.100 --> 01:30:45.240 Dann müssen die alle drei Monate wieder 01:30:45.240 --> 01:30:46.820 sich erinnern, wie man eigentlich 01:30:46.820 --> 01:30:48.700 Variable zuweist. 01:30:49.660 --> 01:30:51.800 Und dann lieber das 01:30:51.800 --> 01:30:53.180 angestaubte SPSS klicken. 01:30:53.180 --> 01:30:55.840 Also ja, 01:30:55.840 --> 01:30:58.060 mich hat SPSS auch ziemlich schnell genervt, 01:30:58.060 --> 01:30:59.940 aber ich kann, also 01:30:59.940 --> 01:31:01.840 es hat schon seine Daseinsberechtigung für 01:31:01.840 --> 01:31:03.680 bestimmte Dinge. Oder vielleicht das 01:31:03.680 --> 01:31:05.700 SPSS des kleinen Mannes so, ich meine, das ist halt auch das, 01:31:05.700 --> 01:31:07.320 womit man täglich zu tun hat. Excel. 01:31:07.320 --> 01:31:09.760 Ja, ich meine, es gibt ganz viele Leute, die machen halt einen Großteil 01:31:09.760 --> 01:31:10.980 von dem Zeugs halt mit Excel. 01:31:10.980 --> 01:31:13.700 Alle Leute machen alles mit Excel, genau. 01:31:13.700 --> 01:31:15.700 Ja, natürlich. Man kommt auch 01:31:15.700 --> 01:31:17.560 ein gewisses Stück weit schon, das ist richtig, 01:31:17.560 --> 01:31:19.400 aber. Eine Million Zeit. 01:31:19.460 --> 01:31:21.540 Ja, ich glaube, man hat als Data Scientist auch manchmal 01:31:21.540 --> 01:31:23.580 so eine Arroganz, dass man Excel überhaupt gar nicht 01:31:23.580 --> 01:31:23.900 öffnet. 01:31:23.900 --> 01:31:27.100 Ja, und für manche Sachen ist es vielleicht gar nicht so schlecht. 01:31:27.100 --> 01:31:28.240 Pederize ist heuer. 01:31:28.240 --> 01:31:29.240 Ja. 01:31:29.240 --> 01:31:30.560 Ja. 01:31:30.560 --> 01:31:32.700 Aha, jetzt hatte ich mit Excel gesagt. 01:31:32.700 --> 01:31:35.040 Jetzt kriege ich ein komisches Gefühl. 01:31:35.040 --> 01:31:36.520 Ich bin zu cool dafür. 01:31:36.520 --> 01:31:39.160 Es ist halt einfach fürchterlich. 01:31:39.160 --> 01:31:41.220 Es ist halt hässlich und dann wollen Leute auch noch, 01:31:41.220 --> 01:31:43.160 dass man dann in Excel Spalten dann färbt, 01:31:43.160 --> 01:31:44.880 weil man macht ja Data Science oder was mit Daten 01:31:44.880 --> 01:31:46.300 und dann soll das alles so aussehen wie vorher. 01:31:46.300 --> 01:31:49.340 Das geht alles, ich habe da kein Problem 01:31:49.340 --> 01:31:49.440 mit. 01:31:49.460 --> 01:31:51.360 Ich generiere auch Excel-Output und ich lese 01:31:51.360 --> 01:31:51.860 auch Excel ein. 01:31:51.860 --> 01:31:54.920 Ja, also einen schönen Output machst du. 01:31:54.920 --> 01:31:57.260 Ich habe da eine Aufgabe für dich. 01:31:57.260 --> 01:31:58.300 Oh, ja, so. 01:31:58.300 --> 01:32:01.080 Okay, jetzt, wenn es dann so konkret wird, 01:32:01.080 --> 01:32:01.700 dann weiß ich nicht. 01:32:01.700 --> 01:32:05.800 Ich glaube, wir haben sogar so ein Mini-Open-Source-Projekt 01:32:05.800 --> 01:32:06.880 auf GitHub liegen 01:32:06.880 --> 01:32:09.300 für Excel, also um 01:32:09.300 --> 01:32:11.240 Excel-Files schön zu formatieren und das 01:32:11.240 --> 01:32:11.960 habe ich geschrieben. 01:32:11.960 --> 01:32:13.220 Sehr gut. 01:32:13.220 --> 01:32:14.200 Ja, schon. 01:32:14.200 --> 01:32:17.920 Ja, das war 01:32:17.920 --> 01:32:19.300 tatsächlich ein Projekt, da wurden halt 01:32:19.300 --> 01:32:21.680 die Reports, das war so ein Banking-Kontext 01:32:21.680 --> 01:32:23.580 und die haben halt die Reports als Excel-File 01:32:23.580 --> 01:32:25.300 gebraucht, um wahrscheinlich damit 01:32:25.300 --> 01:32:26.640 die weiterzuschicken. 01:32:26.640 --> 01:32:28.620 Ja, weil die auch den ganzen Tag das halt schon kennen. 01:32:28.620 --> 01:32:31.120 Die haben halt ihren Prozess, der ist immer schon so und dann ist es 01:32:31.120 --> 01:32:32.920 super, wenn dann die Sachen einfach dann 01:32:32.920 --> 01:32:35.120 neu sind oder Daten drin sind, aber es soll genauso aussehen 01:32:35.120 --> 01:32:36.380 mit Condition-Formatting und so. 01:32:36.380 --> 01:32:38.900 Ja, oder es sind halt Leute, die können halt 01:32:38.900 --> 01:32:40.680 sich programmieren, das ist auch irgendwie völlig okay, 01:32:40.680 --> 01:32:42.820 weil sie ganz andere Sachen machen, aber trotzdem müssen 01:32:42.820 --> 01:32:45.380 die irgendwie die Ergebnisse liefern. 01:32:45.380 --> 01:32:45.820 Ja. 01:32:45.820 --> 01:32:46.540 Ja. 01:32:46.540 --> 01:32:49.140 Ich glaube, 01:32:49.140 --> 01:32:50.200 wir sind bei den Picks angekommen, oder? 01:32:50.200 --> 01:32:53.040 Ich glaube, Mira, du wolltest noch was picken, was 01:32:53.040 --> 01:32:55.220 auch noch mit Data Science zu tun hat, vielleicht fangen wir damit doch direkt an. 01:32:55.220 --> 01:32:56.900 Ja, also wir haben schon so ein bisschen 01:32:56.900 --> 01:32:58.820 angeschnitten, ich hatte ja eben erwähnt, dass ich was 01:32:58.820 --> 01:33:00.480 parallelisiert habe und das war 01:33:00.480 --> 01:33:02.580 total cool, weil diese 01:33:02.580 --> 01:33:04.740 Prognosen, also dieses 01:33:04.740 --> 01:33:07.000 Modelltraining und Prognosen erstellen, das hat 01:33:07.000 --> 01:33:08.900 halt Stunden gedauert 01:33:08.900 --> 01:33:10.960 und auch wahnsinnig hohe Kosten verursacht, 01:33:10.960 --> 01:33:12.100 weil, anderes Thema, 01:33:12.100 --> 01:33:14.880 Pandas haben hohe Rampe gebraucht, 01:33:14.880 --> 01:33:16.980 das heißt, man braucht einen riesen Cluster und dann ist 01:33:16.980 --> 01:33:18.980 es aber auch noch total lang gelaufen, ob sie auf 01:33:18.980 --> 01:33:20.680 diesem riesigen Cluster, also total teuer 01:33:20.680 --> 01:33:22.720 und dann habe ich festgestellt, dass die 01:33:22.720 --> 01:33:24.820 Prognosen alle nacheinander 01:33:24.820 --> 01:33:26.780 erstellt wurden und alles nur auf dem Driver 01:33:26.780 --> 01:33:28.640 Node lief, also diese ganzen vielen 01:33:28.640 --> 01:33:30.720 Nodes auf diesem riesigen Cluster, die wurden alle 01:33:30.720 --> 01:33:32.900 überhaupt gar nicht benutzt und dann 01:33:32.900 --> 01:33:34.980 dürfte ich das parallelisieren, 01:33:34.980 --> 01:33:36.840 in dem Fall mit 01:33:36.840 --> 01:33:38.720 Pandas UDFs, Pandas User 01:33:38.720 --> 01:33:40.640 Defined Functions, also es ist dann eine Möglichkeit 01:33:40.640 --> 01:33:42.840 eben, dass das, es läuft halt in Pandas, 01:33:42.840 --> 01:33:44.800 weil es ist ein Light GBM-Modell und das 01:33:44.800 --> 01:33:46.300 kann im Moment noch kein 01:33:46.300 --> 01:33:48.820 High Spark DataFrame oder Spark DataFrame 01:33:48.820 --> 01:33:50.120 nehmen, deswegen muss man dem 01:33:50.120 --> 01:33:52.560 in Pandas geben oder wahrscheinlich geht 01:33:52.560 --> 01:33:54.160 auch Polars, da sind wir jetzt gerade dran, 01:33:54.160 --> 01:33:56.600 aber ja, und man kann dann 01:33:56.600 --> 01:33:58.440 diese Prognosen in Pandas 01:33:58.440 --> 01:34:00.440 auf diese Art und Weise parallelisieren und es war 01:34:00.440 --> 01:34:02.200 einfach so schön und 01:34:02.200 --> 01:34:04.380 so geil, weil es einfach so viel schneller 01:34:04.380 --> 01:34:06.560 geworden ist und ich habe mich sehr 01:34:06.560 --> 01:34:07.680 wie eine Heldin gefühlt. 01:34:07.680 --> 01:34:09.860 Ja, so ein Erfolgstor ist immer schön, ja. 01:34:09.860 --> 01:34:12.300 Dann komme ich auch direkt zu meiner 01:34:12.300 --> 01:34:14.580 Erfolgstor, ich hatte nämlich auch so einen Moment, 01:34:14.580 --> 01:34:16.240 ich habe nämlich Hynix neues Video gesehen 01:34:16.240 --> 01:34:18.660 und das ist Just Love 01:34:18.660 --> 01:34:20.400 also ich habe Just Files für mich entdeckt, 01:34:20.400 --> 01:34:21.620 die hatte ich vorher 01:34:21.620 --> 01:34:23.860 nicht so auf dem Schirm, dass das so ein bisschen 01:34:23.860 --> 01:34:26.220 was ähnliches wie eine Makefile nur, dass man halt 01:34:26.220 --> 01:34:28.560 in einer Just File, das ist auch ein Rust geschriebenes 01:34:28.560 --> 01:34:30.340 Tool, definiert, wie so die 01:34:30.340 --> 01:34:32.340 Projektkommandos eigentlich alle sind 01:34:32.340 --> 01:34:34.280 und dann kann man, das ist 01:34:34.280 --> 01:34:36.380 wundervoll mit Variablen und so, es funktioniert 01:34:36.380 --> 01:34:38.440 toll, Hynix Video dazu zu gucken, glaube 01:34:38.440 --> 01:34:40.380 ich, ist sehr hilfreich und ich habe alles umgestellt 01:34:40.380 --> 01:34:42.360 bei mir, ich benutze fast meine Commands nicht mehr, 01:34:42.360 --> 01:34:44.240 also meine Commands bei ihnen noch ein bisschen selten, sondern 01:34:44.240 --> 01:34:46.420 einfach nur Just, Just Run und 01:34:46.420 --> 01:34:48.500 der Server läuft oder Just Connect 01:34:48.500 --> 01:34:50.220 für Dev-Server oder sowas 01:34:50.220 --> 01:34:51.720 oder für auch Prod-Server, 01:34:51.720 --> 01:34:54.100 dann kann ich sagen Just Connect Production und dann noch 01:34:54.100 --> 01:34:56.260 den Pod-Namen oder sowas, falls ich öffnen können, wenn ich das muss 01:34:56.260 --> 01:34:57.780 oder ich kann sagen Just Lint 01:34:57.780 --> 01:35:00.120 oder Just Test und so, 01:35:00.120 --> 01:35:02.080 es ist toll, ich liebe es. 01:35:02.080 --> 01:35:04.140 Das ist ja auch echt eine 01:35:04.140 --> 01:35:05.720 gute Entscheidung für den Namen, 01:35:05.720 --> 01:35:08.500 also richtig toll, oder? Ja, voll gut, 01:35:08.500 --> 01:35:09.940 finde ich auch, deswegen Just Love. 01:35:09.940 --> 01:35:12.360 Okay, ja, ja, ich habe ja auch tatsächlich 01:35:12.360 --> 01:35:14.160 nachdem ich das Video 01:35:14.160 --> 01:35:16.140 gesehen habe, habe ich mir auch gedacht, so, ha, vielleicht muss ich 01:35:16.140 --> 01:35:16.960 das auch mal ausprobieren. 01:35:18.340 --> 01:35:19.380 Hm, ja, ich, 01:35:19.380 --> 01:35:22.100 ich meine, das ist toll, du kannst auch 01:35:22.100 --> 01:35:23.860 nach dem Just Build und du, der macht mit UV, macht 01:35:23.860 --> 01:35:25.620 dann direkt Paketinstallation, Paket Sync, 01:35:25.620 --> 01:35:27.280 kannst Upgrade machen, 01:35:27.280 --> 01:35:29.700 alle Sachen mit den 01:35:29.700 --> 01:35:31.920 Kommandozeilen, die du sonst immer nutzt, reinschreiben und wenn du das 01:35:31.920 --> 01:35:33.940 über so eine Commands-Pi geregelt hättest oder sowas, musst du halt 01:35:33.940 --> 01:35:35.780 immer dann einen Subprozess spawnen und so, 01:35:35.780 --> 01:35:37.780 ah, ich weiß nicht, das war jetzt schon 01:35:37.780 --> 01:35:39.680 sehr schön. Ja, ne, was ich häufig 01:35:39.680 --> 01:35:42.100 mache in letzter Zeit, ist halt einfach Entry Points 01:35:42.100 --> 01:35:44.100 im, weil meistens hat man 01:35:44.100 --> 01:35:45.160 ja ein Paket, das man installiert. 01:35:45.160 --> 01:35:48.140 Das würde ich jetzt nicht so sehen. 01:35:48.180 --> 01:35:50.120 Ja, kommt drauf an, aber, also ich 01:35:50.120 --> 01:35:52.140 hab das halt oft und dann kann ich halt auch 01:35:52.140 --> 01:35:54.080 irgendwie in PyProject, Project Terminal 01:35:54.080 --> 01:35:56.320 halt unter Scripts halt andere Entry Points 01:35:56.320 --> 01:35:58.180 definieren und da hab ich halt Funktionen, dann hab ich's 01:35:58.180 --> 01:35:59.800 jetzt nicht in der Command UI, sondern 01:35:59.800 --> 01:36:02.160 ich schreib dann halt einfach Python, aber ja, es gibt natürlich 01:36:02.160 --> 01:36:04.060 Dinge, wo man nicht einfach Python schreiben kann, 01:36:04.060 --> 01:36:06.040 wenn man Datenbank hoch und runter fährt oder solche 01:36:06.040 --> 01:36:07.580 Sachen, ja klar, dann muss man irgendwie das 01:36:07.580 --> 01:36:09.860 anmachen. Also das DB zum Beispiel ist das andere oder 01:36:09.860 --> 01:36:12.200 eine Katakombe, also ne, Shell-Skripte 01:36:12.200 --> 01:36:13.900 da reinschreiben, wenn du willst, die dann 01:36:13.900 --> 01:36:15.980 Sachen hintereinander machen und so 01:36:15.980 --> 01:36:18.020 oder Tests machen oder, oder, äh, 01:36:18.020 --> 01:36:20.060 gucken, du kannst Environment-Variablen da reinladen 01:36:20.060 --> 01:36:21.900 oder spezifisch, wenn das da irgendwie passt und 01:36:21.900 --> 01:36:24.140 ähm, du hast grad eine Sache 01:36:24.140 --> 01:36:26.000 gesagt, Pakete, also du könntest ja auch einfach aus der 01:36:26.000 --> 01:36:27.980 PyProject Terminal das PyScript dann ausführen lassen und bei mir ist 01:36:27.980 --> 01:36:29.940 zum Beispiel so, dass die Dinge 01:36:29.940 --> 01:36:31.940 im Python und im anderen Verzeichnis liegen 01:36:31.940 --> 01:36:34.360 als das Projekt und, äh, die Dokumentation 01:36:34.360 --> 01:36:35.800 oder sowas und trotzdem, 01:36:35.800 --> 01:36:37.900 wenn ich das Just benutze, benutzt es halt dann auch 01:36:37.900 --> 01:36:39.560 den Kontext, du kannst Work in Directory setzen. 01:36:39.560 --> 01:36:40.140 Toll. 01:36:40.140 --> 01:36:44.000 Ja, okay, also ich muss mir vielleicht auch 01:36:44.000 --> 01:36:45.320 nochmal angucken. 01:36:45.320 --> 01:36:46.800 Ja, mach das, das ist, äh, ja. 01:36:47.860 --> 01:36:48.900 Backing. Wie Sockzeit. 01:36:48.900 --> 01:36:51.260 Geht nicht mehr weg. Okay. 01:36:51.260 --> 01:36:54.020 Naja, äh, ja, äh, genau, 01:36:54.020 --> 01:36:55.780 was, äh, ich hab grad überlegt, was ich picken könnte, 01:36:55.780 --> 01:36:57.840 hab mir grad keine Gedanken gemacht, aber ich bin ja jetzt 01:36:57.840 --> 01:37:00.180 in letzter Zeit so ein bisschen besessen von, ähm, 01:37:00.180 --> 01:37:00.860 nur ein bisschen. 01:37:00.860 --> 01:37:03.820 Du bist besessen oder das, das 01:37:03.820 --> 01:37:05.740 bist du besessen? Ja, das ist ja, ich mach 01:37:05.740 --> 01:37:08.460 ganz, äh, Cloud-Code 01:37:08.460 --> 01:37:09.900 und Dinge mit, äh, 01:37:09.900 --> 01:37:11.680 äh, mit LLMs 01:37:11.680 --> 01:37:13.660 irgendwie programmieren und 01:37:13.660 --> 01:37:15.120 Das ist schon verrückt, also ich weiß nicht, ob 01:37:15.120 --> 01:37:17.700 du hast auch noch mehrere, aber, ähm, die Kosten sind halt 01:37:17.700 --> 01:37:19.640 krass und wir, wir benutzen jetzt halt Max. 01:37:19.640 --> 01:37:21.500 Ja. Das ist halt das Abo, 01:37:21.500 --> 01:37:23.400 wie teuer ist das, 200 Euro? Ja. 01:37:23.400 --> 01:37:25.580 Ja, gut, es gibt auch 1 für 100, aber. Ja, 01:37:25.580 --> 01:37:27.600 okay, aber das ist halt das 20, normalerweise musst du halt 3000, 01:37:27.600 --> 01:37:29.760 4000 Euro Tokenkosten zahlen 01:37:29.760 --> 01:37:31.700 im Monat dafür. Ja, 01:37:31.700 --> 01:37:33.960 so, weil, genau, das würde ich 01:37:33.960 --> 01:37:35.600 jetzt dann picken, es gibt da ein, 01:37:35.600 --> 01:37:37.960 äh, äh, ein NPM-Paket, 01:37:37.960 --> 01:37:39.680 äh, CC-Usage, äh, 01:37:39.680 --> 01:37:41.700 äh, nennt sich das, äh, kann man per MPX zum Beispiel 01:37:41.700 --> 01:37:43.340 installieren und dann sagt einem das 01:37:43.340 --> 01:37:45.780 quasi, wie viel, wie viel Geld 01:37:45.780 --> 01:37:47.680 man Tokens verbraucht hat und, 01:37:47.680 --> 01:37:49.940 ähm, damit kann man sich sehr schön rationalisieren, 01:37:49.940 --> 01:37:51.320 dass das gar nicht so viel ist, wenn man 200 Euro, 01:37:51.320 --> 01:37:52.740 200 Dollar im Monat zahlt. 01:37:52.740 --> 01:37:55.040 Weil, äh, ja. 01:37:55.040 --> 01:37:57.320 Ähm. Wie viel hast du diesen Monat? 01:37:57.320 --> 01:37:59.500 Auf dem Rechner hier, 2000 01:37:59.500 --> 01:38:01.640 Dollar Tokens, ja. Okay. Und ich hab aber 01:38:01.640 --> 01:38:02.860 auch noch andere Rechner auf denen auch. Ja. 01:38:02.860 --> 01:38:05.520 Und das ist der 17. heute, glaube ich, ja. 01:38:05.520 --> 01:38:06.380 Ja. Ja. 01:38:06.380 --> 01:38:09.580 Ha. Die, die 01:38:09.580 --> 01:38:11.700 sind gefährlich, die Dinger, die machen uns alle obsolet. 01:38:11.700 --> 01:38:12.880 Wir werden sehen. 01:38:12.880 --> 01:38:15.520 Ah, das glaube ich nicht. Ach, ja. Man sitzt 01:38:15.520 --> 01:38:17.660 dann am Strand und nimmt dann sein Schirmchen und redet 01:38:17.660 --> 01:38:19.620 dann mit seinem, keine Ahnung, kleinen 01:38:19.620 --> 01:38:21.500 Roboter neben einem herläuft, der nebenbei noch 01:38:21.500 --> 01:38:23.600 unterhält, dass man weiterentwickelt und unterhält 01:38:23.600 --> 01:38:25.580 sich dann wie im Podcast. Da haben wir jetzt schon mal gut geübt jetzt. 01:38:25.580 --> 01:38:27.340 Also, ja, man muss so ein bisschen, bisschen 01:38:27.340 --> 01:38:29.500 vorsichtig sein, weil natürlich wird man halt irgendwie so 01:38:29.500 --> 01:38:31.580 ein bisschen zu so, man schreibt dann halt nur noch so Anforderungen 01:38:31.580 --> 01:38:33.540 hin und so versucht das genau zu spezifizieren 01:38:33.540 --> 01:38:35.680 und das, man, man befördert sich selbst 01:38:35.680 --> 01:38:37.140 zu so einer Art Projektmanager. Ja. 01:38:37.140 --> 01:38:39.520 Und dann macht man einen ganz anderen Job 01:38:39.520 --> 01:38:41.580 und da muss man so ein bisschen aufpassen, dass das, weil 01:38:41.580 --> 01:38:43.220 dann nachher, weil eigentlich, 01:38:43.220 --> 01:38:45.720 also ich mache das jetzt bei mir, weil es Spaß macht. 01:38:45.720 --> 01:38:46.840 Ja. Genau. Und, 01:38:47.640 --> 01:38:49.420 ja, wenn es keinen Spaß mehr macht, weil, 01:38:49.420 --> 01:38:51.760 ja, es ist halt, dann hat man sich irgendwie 01:38:51.760 --> 01:38:53.420 doch was mit Holz machen. Ja. 01:38:53.420 --> 01:38:55.720 Mein Freund nutzt tatsächlich, also 01:38:55.720 --> 01:38:57.620 für die privaten Projekte auch viel Cursor 01:38:57.620 --> 01:38:59.700 und er sagt so, ja, das, worauf ich Bock 01:38:59.700 --> 01:39:01.660 habe, das schreibe ich da trotzdem selbst. 01:39:01.660 --> 01:39:03.840 Ja, das ist auf jeden Fall eine Art Idee wahrscheinlich. 01:39:03.840 --> 01:39:06.120 Und sonst ist er halt, ja, der Projektmanager, 01:39:06.120 --> 01:39:07.880 der seinen 01:39:07.880 --> 01:39:09.440 Julia quasi immer 01:39:09.440 --> 01:39:11.460 gucken muss, was der macht. 01:39:11.460 --> 01:39:13.440 Ja, also bei mir hat auch Cursor jetzt raus, Adventure 01:39:13.440 --> 01:39:15.360 von Eva kauft, aber Cursor ist raus, nur noch 01:39:15.360 --> 01:39:17.620 Code, also nur noch Kommandoteile und ich bin wieder 01:39:17.620 --> 01:39:19.360 wie das Code und das ist super. 01:39:19.360 --> 01:39:21.660 Das, also, kann ich nur empfehlen. 01:39:21.660 --> 01:39:23.720 Ist verrückt. Ja, ist grad, 01:39:23.720 --> 01:39:24.740 ist grad verrückt, ja. 01:39:24.740 --> 01:39:27.340 Es macht halt so viel schneller und 01:39:27.340 --> 01:39:29.600 dann mache ich so nervige Sachen ab. 01:39:29.600 --> 01:39:31.480 Aber ja, man wird irgendwie mehr zum 01:39:31.480 --> 01:39:33.460 Projektmanager, Projektmanagerin und 01:39:33.460 --> 01:39:35.640 ich glaube, das Thema Kommunikation wird halt 01:39:35.640 --> 01:39:37.400 immer noch wichtig bleiben. 01:39:37.400 --> 01:39:39.340 Ich hoffe ja, dass das Ding über meine Stimme hat und dann 01:39:39.340 --> 01:39:41.000 bessere Kommunikation mit den anderen Leuten. 01:39:41.000 --> 01:39:43.300 Das wäre, genau, das habe ich ja auch mal gehofft, 01:39:43.300 --> 01:39:45.080 dass ich irgendwie, warum ich, genau, 01:39:45.080 --> 01:39:47.600 während meine, meine, meine 01:39:47.600 --> 01:39:49.460 die, die, die Cloud-Jobs halt 01:39:49.460 --> 01:39:51.340 laufen, kann ich dann halbwegs mehr Zeit, um irgendwie 01:39:51.340 --> 01:39:53.500 Meetings mit Kollegen irgendwie da irgendwie 01:39:53.500 --> 01:39:55.640 Pläne zu besprechen, so. Das sollte umgekehrt 01:39:55.640 --> 01:39:57.560 sein. Das ist so, also ich will lieber 01:39:57.560 --> 01:39:59.140 programmieren und dann kann irgendwie, 01:39:59.140 --> 01:40:01.400 weiß ich nicht, so ein Avatar in so einem Meeting auftauchen 01:40:01.400 --> 01:40:03.420 und immer sagen, das ist eine super Idee. 01:40:03.420 --> 01:40:05.440 Voll gut. Genauso 01:40:05.440 --> 01:40:07.060 machen wir das. Kann auch kluge Dinge sagen, Jo. 01:40:07.060 --> 01:40:09.340 Du kannst das Training, kannst dann unsere 01:40:09.340 --> 01:40:11.600 Podcast-Folgen eingeben dann. Ja, ja, 01:40:11.600 --> 01:40:13.020 okay, muss man, ja, ist 01:40:13.020 --> 01:40:15.460 einiges umgekrempelt. Ja, wir haben unbedingt 01:40:15.460 --> 01:40:17.580 so, könnten wir, wir haben halt manche Leute, die hätten wirklich 01:40:17.600 --> 01:40:19.460 etwas Spannendes zu erzählen, aber trauen sich nicht so 01:40:19.460 --> 01:40:21.440 richtig im Podcast, kann ich verstehen, ist okay. 01:40:21.440 --> 01:40:23.640 Aber wenn man dann die Stimme einfach nehmen könnte, 01:40:23.640 --> 01:40:25.560 dann können sie einen Text schreiben und dann könnte man 01:40:25.560 --> 01:40:27.780 den Podcast einfach generieren. Ja, das geht, 01:40:27.780 --> 01:40:29.120 das geht. Also das kann man ja eigentlich auch schon. 01:40:29.120 --> 01:40:31.580 Also die neuen Modelle von Gemini dazu, die ich gehört 01:40:31.580 --> 01:40:32.760 habe, ich glaube, es gibt leider noch andere, 01:40:32.760 --> 01:40:35.640 die Wisp-LS ersetzen, das ist verrückt, wie gut 01:40:35.640 --> 01:40:37.360 die sind und wie natürlich die auf einmal klingen, ja, 01:40:37.360 --> 01:40:39.320 das ist schon crazy. Ja, also Stimme, LLM Labs hat da 01:40:39.320 --> 01:40:41.700 super Modelle, aber fürs Generieren 01:40:41.700 --> 01:40:43.500 von Podcasts, Notebook-LLM, 01:40:43.500 --> 01:40:45.300 das, ja, da kann, da geht einiges. 01:40:45.300 --> 01:40:47.520 Das ist crazy, ja. Danke, Mira, 01:40:47.580 --> 01:40:49.740 dass du da warst. Ja, sehr gerne, 01:40:49.740 --> 01:40:51.420 hat Spaß gemacht. Also 01:40:51.420 --> 01:40:53.100 denk dran, Hörertreffen am 20. 01:40:53.100 --> 01:40:54.200 September. 01:40:54.200 --> 01:40:56.860 Ja, Hörerintreffen. 01:40:56.860 --> 01:40:59.180 Ja. 01:40:59.180 --> 01:41:01.360 Und 01:41:01.360 --> 01:41:03.000 ja, kommt vorbei, hört uns, hallo at 01:41:03.000 --> 01:41:04.840 peißenpodcast.de, alles Feedback, alles und so weiter. 01:41:04.840 --> 01:41:06.400 Ja, vielen Dank, bis bald. 01:41:06.400 --> 01:41:09.040 Alles klar. Und hört auch gerne meinen 01:41:09.040 --> 01:41:10.800 Data Science Deep Dive rein. Genau. 01:41:10.800 --> 01:41:12.420 Große Empfehlung. Bis bald. 01:41:12.420 --> 01:41:14.380 Tschüss. Tschüss.