Neuronale Netze können Muster, Korrelationen und Tendencies mit atemberaubender Genauigkeit erkennen. Aber wenn es darum geht, zu antworten: „Warum ist das passiert?“ Sie sind so ahnungslos wie ein Papagei, der die menschliche Sprache nachahmt.

Sie werden Ihnen sicher Vorhersagen geben – aber versuchen Sie, sie um eine Erklärung zu fragen, und Sie werden eine schwarze Schachtel anstarren.

Diese Einschränkung ist nicht nur in neuronalen Netzwerken. Korrelationsbasierte Methoden wie lineare Regression und sogar erweiterte Instruments wie Neigungsbewertung Matching kann nicht den Kern der kausalisierungsbasierten Tendencies in komplexen Daten erreichen. Dies ist ein Drawback, wenn Entscheidungsträger (lesen: Ihre Supervisor) umsetzbare geschäftliche Erkenntnisse und nicht geekige Statistiken, die Nerds nur glücklich machen.

Das Risiko, mich selbst zu widersprechen, ist hier ein sehr geekiges Thema für Sie: eine angestrebte maximale Wahrscheinlichkeitsschätzung (TMLE). Die Sache ist, Tmle ist das Beste aus beiden Welten. Sie können mit Zahlen so sehr herumspielen, wie es Ihre nerdigen Gehirn wünscht, aber es macht Ihre Supervisor auch glücklich, indem es geschäftliche Erkenntnisse erzeugt.

Im Wesentlichen erhalten Sie die strenge kausale Inferenz sowie die Flexibilität des maschinellen Lernens, dies…

Die meisten Grafiken sind keinen Blick wert. Unabhängig davon, in welcher Branche Sie tätig sind oder welchen Dienstalter Sie haben – Tatsache ist, dass Sie bei Ihrer Arbeit wahrscheinlich auf viele mittelmäßige Datenvisualisierungen stoßen.

Gute Grafiken vermitteln eine bestimmte Botschaft, und zwar schnell. Gleichzeitig sind sie optisch ansprechend genug, um den Betrachter dazu einzuladen, sich länger mit ihnen zu beschäftigen und sein Verständnis der Kernbotschaft zu vertiefen. Gute Grafiken vermitteln auch, woher sie kommen – welches Unternehmen oder welche Abteilung –, weil sie die gleiche visuelle Sprache sprechen.

Schlechte Grafiken enthalten möglicherweise viele Informationen, vermitteln dem Betrachter jedoch nicht die Kernbotschaft. Entweder versuchen sie, zu viele Dinge auf einmal zu zeigen, oder sie sind optisch so unattraktiv, dass der Betrachter woanders hinschaut, bevor er die Botschaft verstanden hat. Der Zuschauer hat keine Ahnung, wer ein schlechtes Diagramm erstellt hat, es sei denn, der Ersteller sagt ihm, dass es von ihm stammt.

Die meisten Datenwissenschaftler, Analysten und ähnliche Fachleute, die Diagramme erstellen, sind schlau genug, um herauszufinden, wie man ein gutes Diagramm erstellt. Das Drawback ist, dass nie genug Zeit dafür bleibt.

Man kann es einem jungen Softwareentwickler verzeihen, wenn er zufrieden ist, wenn sein Code funktioniert. Wenn du das bist, verurteile ich dich nicht.

Wenn Sie jedoch bereit sind, mit Python die nächste Stufe der Softwareentwicklung zu erreichen, sollte Ihr Code nicht nur ausgeführt werden und einige Assessments bestehen. Es sollte auch unter Berücksichtigung der verfügbaren Rechenressourcen – und der Energierechnung – verfasst werden.

Jede ineffiziente Schleife, jede schlecht gewählte Datenstruktur oder jede redundante Berechnung verbraucht mehr Strom als nötig. Anders als beispielsweise bei C, wo Sie für jede neu erstellte Variable Bits von Ihrer Festplatte reservieren müssen, verbraucht Python Ressourcen nach eigenem Ermessen. Dadurch ist es äußerst einsteigerfreundlich, bei falscher Anwendung aber auch recht energieintensiv.

Schlampige Algorithmen beeinträchtigen nicht nur die Leistung eines Codes. Sie sind auch schlecht für den Planeten. Softwareunternehmen mögen Microsoft hat Probleme müssen ihre CO2-Emissionen niedrig halten, da sie viel Energie für KI und andere Aufgaben verbrauchen. Gleichzeitig ist Nachhaltigkeit ein wachsendes Anliegen. Nachhaltigkeitsorientierte Programmierer werden daher für viele Unternehmen zu einer wertvollen Ressource.

Seitdem sind Dateien im Transportable Doc Format (PDFs) in der digitalen Welt im Umlauf ihre Einführung durch Adobe in den frühen 1990er Jahren. PDFs wurden entwickelt, um die Formatierung auf verschiedenen Geräten beizubehalten, und entwickelten sich schnell zum bevorzugten Format für die gemeinsame Nutzung von Verträgen, Jahresberichten und komplexen Finanzdokumenten.

Im Finanzwesen, in der Rechtsdienstleistung und in vielen (wenn nicht allen) anderen Bereichen sind PDFs bis heute eine tragende Säule geblieben. Jeder kann ein PDF öffnen und es wird immer gleich angezeigt, egal welcher Reader verwendet wird. Dies ist ein Vorteil für Dateien, die sich nicht ändern sollten – anders als beispielsweise bearbeitbare Phrase- oder PowerPoint-Dateien.

Ein Nachteil von PDFs besteht darin, dass sie für das menschliche Auge gedacht sind. Mit anderen Worten: Wenn Sie einen 400-seitigen Bericht bearbeiten möchten, müssen Sie ihn möglicherweise zunächst manuell öffnen und zumindest selbst zu den relevanten Abschnitten scrollen. Dies ist ein Drawback, wenn mit großen Datenmengen gearbeitet wird, die in PDFs gespeichert sind.

Schulung von Chatbots für so große Dateien bleibt eine Herausforderungganz zu schweigen vom Energieverbrauch. Moderne Chatbots geben selbst im Erfolgsfall bestenfalls unzuverlässige Antworten auf inhaltliche Fragen. Solche Chatbots genau auf den Typ abstimmen…