Die Kunst der KI: Entwickeln Sie ansprechende Daten-Apps

Wenn Sie ein Machine-Learning-Modell trainiert haben, das eine ausgeklügelte Datenanalyse durchführen kann, möchten Sie natürlich auch Ihre Ergebnisse auf ansprechende Weise präsentieren können. Dafür benötigen Sie jedoch gewisse Frontend-Kenntnisse, was erfahrungsgemäß nicht immer eine Stärke der Datenexperten ist, die diese Machine-Learning-Modelle entwickeln. Aus diesem Grund werden die Frontend-Anwendungen im Machine-Learning- oder Datenanalyselebenszyklus oft eher stiefmütterlich behandelt.

Für dieses Problem gibt es jetzt eine Lösung. Streamlit ermöglicht es Ihnen, Datenskripte innerhalb weniger Minuten in Web-Apps zu verwandeln und diese Anwendungen dann freizugeben. Die Open-Source-Lösung erfordert Ihrerseits keine Kenntnisse über Frontends und kein Entwickler-Know-how.

In der neuesten Folge von AI & U begrüßt Mark McQuade Johannes Rieke, Produktingenieur bei Streamlit. Einige Zeit, bevor er sich Streamlit anschloss, entwickelte Johannes eine großartige App namens traingenerator – eine Web-App zur Generierung von Vorlagencode für Machine-Learning-Modelle. Eigentlich hatte er traingenerator damals aus Spaß an der Sache entworfen, doch dann kam die App so gut in der Community an, dass das Team von Streamlit auf Johannes aufmerksam wurde und ihn als seinen ersten Product Engineer einstellte.

Hören Sie rein und erfahren Sie mehr über Folgendes:

• Aktuelle Machine-Learning-Trends
• Die Community, die die Komplexität von KI und Machine Learning reduzieren möchte
• Streamlit und Anwendungsfälle für Machine Learning
• Ratschläge für den Einstieg in KI

Mark McQuade erzählt uns mit Begeisterung von den Start-ups, die aktuell die Zukunft der KI gestalten. „In dieser Sendung zeigen wir gerne, dass KI und Machine Learning auch einfacher geht. Einige Aspekte der KI setzten ursprünglich schon ein beachtliches Know-how voraus, doch es gibt heute eine Reihe von Tools auf dem Markt, mit denen Sie diese Expertise eben nicht benötigen – und es kommen immer mehr solcher Lösungen hinzu. Ein gutes Beispiel dafür ist Hugging Face. Diese Community bietet Machine-Learning-Modelle, die bereits im Vorfeld für Sie trainiert wurden, für jede Art von Transformer-Aufgaben für die Verarbeitung natürlicher Sprache. Kurz gesagt: Es gibt da draußen jede Menge Unternehmen, die daran arbeiten, die Komplexität von KI zu reduzieren.“

Johannes hat einen Tipp für alle, die Interesse an einer Karriere im Bereich KI haben: „Sie sollten nicht zu viel Ehrfurcht vor diesen neuen Technologien haben. Als ich damals anfing, mich mit dem Thema Machine Learning zu beschäftigen, war mir jedes Mal etwas mulmig zumute, wenn mal wieder neue Forschungsarbeiten oder Modelle veröffentlicht wurden. Ich dachte immer ‚Das wird bestimmt wieder super kompliziert‘ und ‚Wie soll ich das nur alles umsetzen?‘ Doch heute denke ich, dass man sich da einfach richtig reinfuchsen muss. Und dann lernt man sehr viel daraus. Vor allem, da die neuesten Tools es selbst Neueinsteigern ermöglichen, in kürzester Zeit etwas zu entwickeln, das auch funktioniert.“

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.