Ist Artificial Intelligence/Data Science mehr als nur ein Hype? - Forum (2024)

aldante 📅 18.08.2020 18:52:30

Für Data Science (und seine nahen Verwandten) sieht man schon heute recht viele Ausschreibungen. (Anders als für AI.)

Ich bin fest davon überzeugt, dass die intensive Datenanalyse in Zukunft noch weiter zunehmen wird. Wir stehen halt erst ganz am Anfang davon.

Im Krankenhaus erlebe ich z.B. jede Woche aufs Neue, wieviel Potenzial da nach wie vor vergeudet wird. Klar, ein Krankenhaus ist natürlich besonders träge und besonders altmodisch, aber schon alleine das zeigt IMHO, wie weit wir da noch von dem entfernt sind, was eigentlich schon heute möglich wäre. Und in Zukunft wird noch viel mehr möglich sein.

Von DreisteinDenkt ihr da anders und wenn ja, weshalb?

Ein großer Teil von Data Science (Advanced Analytics) war schon zuvor existent, hieß aber anders. Datenanalysten gab es schon eine ganz Weile, auch wenn das sicherlich nochmal einen Boost bekommen hat. Die Methoden sind zwar vorangeschritten, Tools haben sich verbessert, aber letzlich ist es noch das Gleiche, heißt nur anders. Es springen viele Firmen auf den Zug auf, aber die neu geschaffenen Stellen können mit den Herrscharren an Absolventen aus allen Disziplinen nicht mithalten. Ich glaube viele "Bootcamp" Data Scientists /Quereinsteiger, werden zukünftig ein Problem bekommen. Das ist ähnlich wie bei Webentwicklern zur New Economy Blase. Also ich glaube jemand der typisches Data Science (Info, Mathe, Physik, Statistik) studiert hat muss sich wenig Sorgen machen, aber zu den bestbezahlten Jobs wird es nicht mehr gehören. Das Angebot an Data Scientisten wird immer größer und gerade in Krisen wird an solchen Bereichen gespart, da es Zukunftsinvestitionen sind.

Bei AI, im speziellen moderne ML Verfahren sehe ich das noch etwas schwieriger. Hier gibt es noch viel weniger Stellen und viele Informatikabsolventen wollen in diese Richtung. Bis die Technologie von der Masse aufgegriffen wird, wird noch viel Zeit vergehen. Das Ganze ist noch sehr forschungslastig. Der Vorteil hier ist aber, dass die meisten gut ausgebildeten Absolventen in dem Bereich auch Softwareentwicklung können bzw. schnell rein kommen, daher mache ich mir um die wenig Sorgen. Im AI Bereich gibt es auch wenig Quereinsteiger, weil sehr forschungsnah.

der mit dem Schaf 📅 20.08.2020 14:11:40

Besser als SWEngineer hätte ich es nicht schreiben können.

Allerdings bin ich (als jemand der nen Master in DS gemacht hat) der Meinung, dass man als Data Scientist ohne domänenspezifische Kentnisse (z.B. Business Intelligence, Finance, Bio./Med., etc.) ziemlich aufgeschmissen ist. Wie willst du gute Schlüsse aus Daten ziehen, wenn du keine Ahnung davon hast, was 'gut' in der jeweiligen Branche überhaupt heisst?
Klar kann man sich überall reinarbeiten, doch in der Regel wollen die Unternehmen ja recht flott Ergebnisse von ihrem tollen neuen Data Scientisten sehen...

Ich sehe da viele Möglichkeiten für Bindestrich-NaWis/Informatiker oder eben Leute mit zusätzlicher Branchenerfahrung.

SchneeWeiss__ 📅 22.08.2020 13:41:16

Von SWEngineer

Von DreisteinDenkt ihr da anders und wenn ja, weshalb?

Ein großer Teil von Data Science (Advanced Analytics) war schon zuvor existent, hieß aber anders. Datenanalysten gab es schon eine ganz Weile, auch wenn das sicherlich nochmal einen Boost bekommen hat. Die Methoden sind zwar vorangeschritten, Tools haben sich verbessert, aber letzlich ist es noch das Gleiche, heißt nur anders. Es springen viele Firmen auf den Zug auf, aber die neu geschaffenen Stellen können mit den Herrscharren an Absolventen aus allen Disziplinen nicht mithalten. Ich glaube viele "Bootcamp" Data Scientists /Quereinsteiger, werden zukünftig ein Problem bekommen. Das ist ähnlich wie bei Webentwicklern zur New Economy Blase. Also ich glaube jemand der typisches Data Science (Info, Mathe, Physik, Statistik) studiert hat muss sich wenig Sorgen machen, aber zu den bestbezahlten Jobs wird es nicht mehr gehören. Das Angebot an Data Scientisten wird immer größer und gerade in Krisen wird an solchen Bereichen gespart, da es Zukunftsinvestitionen sind.

Exakt. Vor ein paar Jahren wurde halt noch alles eingestellt, was irgendwie drei Zeilen Python konnte, auch Fachfremde, bspw. Politikwissenschaftler und Soziologen, die im Studium mal ein bisschen Datenanalyse betrieben haben. Auf Projekten kam dann oftmals leider nur heiße Luft bei rum.
Die Zeiten sind vorbei.

Zudem nähert sich der Job des Data Scientists immer mehr der klassischen Entwicklerrolle an und dieser Trend wird sich fortsetzen.

soziologeeeeee 📅 24.08.2020 23:44:50

Von SchneeWeiss__Exakt. Vor ein paar Jahren wurde halt noch alles eingestellt, was irgendwie drei Zeilen Python konnte, auch Fachfremde, bspw. Politikwissenschaftler und Soziologen, die im Studium mal ein bisschen Datenanalyse betrieben haben. Auf Projekten kam dann oftmals leider nur heiße Luft bei rum.
Die Zeiten sind vorbei.

Zudem nähert sich der Job des Data Scientists immer mehr der klassischen Entwicklerrolle an und dieser Trend wird sich fortsetzen.

"Data Science" ist ein viel weiter gefasster Begriff als KI oder ML und überschneidet sich mit eher traditioneller Datenanalyse und -erhebung. Da haben quantitativ ausgerichtete Soziologen und Politikwissenschaftler auf jeden Fall ihre Stärken. Wie gesagt, KI oder ML (oder auch sowas wie das Arbeiten mit Datendanken) sind nicht Schwerpunkt des Studiums, wenngleich das einige Fachbereiche zu stärken versuchen, dafür aber Kenntnisse der Stichprobenziehung, Kausalanalyse und Forschungsdesigns, auch Fragebogenentwicklung und vieles mehr, was in "Info, Mathe, Physik" selten gelehrt wird.

MINT4lifeji 📅 09.09.2022 22:57:15

Von soziologeeeeee

Von SchneeWeiss__Exakt. Vor ein paar Jahren wurde halt noch alles eingestellt, was irgendwie drei Zeilen Python konnte, auch Fachfremde, bspw. Politikwissenschaftler und Soziologen, die im Studium mal ein bisschen Datenanalyse betrieben haben. Auf Projekten kam dann oftmals leider nur heiße Luft bei rum.
Die Zeiten sind vorbei.

Zudem nähert sich der Job des Data Scientists immer mehr der klassischen Entwicklerrolle an und dieser Trend wird sich fortsetzen.

"Data Science" ist ein viel weiter gefasster Begriff als KI oder ML und überschneidet sich mit eher traditioneller Datenanalyse und -erhebung. Da haben quantitativ ausgerichtete Soziologen und Politikwissenschaftler auf jeden Fall ihre Stärken. Wie gesagt, KI oder ML (oder auch sowas wie das Arbeiten mit Datendanken) sind nicht Schwerpunkt des Studiums, wenngleich das einige Fachbereiche zu stärken versuchen, dafür aber Kenntnisse der Stichprobenziehung, Kausalanalyse und Forschungsdesigns, auch Fragebogenentwicklung und vieles mehr, was in "Info, Mathe, Physik" selten gelehrt wird.

Kein ernstzunehmendes Unternehmen stellt einen PoWi oder Soziologe für Data Science und Co ein.

Auf t test und dann OK klicken reicht hier ninmal nicht aus. Da werden dann Absolventen von MINT genommen.

Von soziologeeeeee

Von SchneeWeiss__Exakt. Vor ein paar Jahren wurde halt noch alles eingestellt, was irgendwie drei Zeilen Python konnte, auch Fachfremde, bspw. Politikwissenschaftler und Soziologen, die im Studium mal ein bisschen Datenanalyse betrieben haben. Auf Projekten kam dann oftmals leider nur heiße Luft bei rum.
Die Zeiten sind vorbei.

Zudem nähert sich der Job des Data Scientists immer mehr der klassischen Entwicklerrolle an und dieser Trend wird sich fortsetzen.

"Data Science" ist ein viel weiter gefasster Begriff als KI oder ML und überschneidet sich mit eher traditioneller Datenanalyse und -erhebung. Da haben quantitativ ausgerichtete Soziologen und Politikwissenschaftler auf jeden Fall ihre Stärken. Wie gesagt, KI oder ML (oder auch sowas wie das Arbeiten mit Datendanken) sind nicht Schwerpunkt des Studiums, wenngleich das einige Fachbereiche zu stärken versuchen, dafür aber Kenntnisse der Stichprobenziehung, Kausalanalyse und Forschungsdesigns, auch Fragebogenentwicklung und vieles mehr, was in "Info, Mathe, Physik" selten gelehrt wird.

Ja, natürlich kann man Data Science als "irgendwas mit irgendwelchen Daten" interpretieren. Das ist kein geschützter Begriff. Insofern kann da jeder meinen was er will

Klassischerweise bezeichnet Data Science aber die mathematisch-programmatische Auswertung und Zusammenschneidung von Daten. Dafür sollte man statistisch fit sein, Programmierkenntnisse haben und sich Daten aus verschiedensten Datenquellen (insbesondere Datenbanken, also SQL) beschaffen können. Diese gilt es dann verschiedenartig auszuwerten, mathematische Modelle zu bilden, etc..

Wenn du so gut in deiner Fragebogenentwicklung bist - von hundert Befragten, wie viele nennen "Fragebogenentwicklung" und "Forschungsdesign" als zentrale Qualifikation eines Data Scientists? Warum finde ich (fast) nur Mathematiker, Informatiker und VWLer, wenn ich bei Linkedin "Data Scientist" suche?

MINT4lifeä 📅 14.09.2022 08:35:06

Diese Frage lässt sich pragmatisch beantworten.

Data Science ist 80% Statistik und 20% Informatik. So ziemlich alle Methoden wurden schon im vor dem 21 Jahrhundert erfunden. Vor Jahren sagte man noch einfache lineare OLS Regression, heute benutzt man fancy Begriffe wie Supervised Learning. Die ganzen Resampling z.B. Methoden die in der K.I. zum Einsatz kommen wurden von Statistikern erfunden. Durch die Revolution in der Rechenleistung von Computern konnte man dann eben auch mehrdimensionale Integrale bearbeiten die vorher analytisch nicht zu lösen waren. Das nennt man dann MCMC.

Ich gehe letzendlich davon aus, dass es wie bei jedem Trend, wo die Anzahl der Bewerber steigt, einen Wandel geben wird und die Zeiten wo bspw. ein Soziologe oder Politikwissenschaftler oder sonstige mathe-entfernten bzw. eher mathelose Fächer, für solch einen Job in Frage kommt, schnell vorbei sein wird.

In Zukunft wird verstärkt auf Masterabsolventen der Mathematik, Statistik, Physik oder Informatik geschaut die sich auf derartige Bereiche spezialisiert haben. Selbstverständlich passen da auch Elektrotechnik ingenieure o.ä. super rein, keine Frage.

Gastschreiber 📅 14.09.2022 09:50:41

In vielen -möglicherweise die meisten- Physikexperimente geht es darum, große Menge an Daten (nicht selten binäre Daten in mehreren 100 MB oder gar 2-stelligen GB Umfang!) zu sortieren, statistisch zu bearbeiten, zu analysieren, mit theoretischen Modellen zu vergleichen und letztendlich richtige Schlüsse daraus zu ziehen und sie zu visualisieren. Data science ist älter als der elektronische Computer. Man hat die Methoden angewandt, ohne dass man ihnen einen Oberbegriff verpasst hat. Durch den Begriff kann man nun explizit bei Stellenausschreibungen an geben was man sucht.

Zitat Von soziologeeeeee

"Data Science" ist ein viel weiter gefasster Begriff als KI oder ML und überschneidet sich mit eher traditioneller Datenanalyse und -erhebung. Da haben quantitativ ausgerichtete Soziologen und Politikwissenschaftler auf jeden Fall ihre Stärken. Wie gesagt, KI oder ML (oder auch sowas wie das Arbeiten mit Datendanken) sind nicht Schwerpunkt des Studiums, wenngleich das einige Fachbereiche zu stärken versuchen, dafür aber Kenntnisse der Stichprobenziehung, Kausalanalyse und Forschungsdesigns, auch Fragebogenentwicklung und vieles mehr, was in "Info, Mathe, Physik" selten gelehrt wird.

Data science als mittlerweile wissenschaftliche/akademische Disziplin setzt Kenntnisse auf hohem Niveau in Mathematik, Statistik und Programmierung voraus. Soziologen und GeWi bringen diese i.d.R. nicht mit. Data Science gibt es mittlerweile auch als Masterstudiengang. Oft wird als Voraussetzung ein B.Sc. in Mathematik, Informatik und manchmal in Physik (in seltenen Fällen Ingenieurwesen) vorausgesetzt. Ein Bachelor, Master oder gar eine Promotion in GeWi ist ohne Auflagen nicht ausreichend! Allein dadurch sieht man, dass ohne solide Kenntnisse in Statistik in höherer Mathematik man kein data scientist werden kann.

Im Bezug auf Fragebogen sehe ich leider viel zu oft in Zeitungen, Abschlussarbeiten in SoWi und Meinungsforschungsinstituten Fragen, in denen nicht alle Fälle (multiple choice) abgedeckt werden, Fragen ungenau und unscharf sind, ... , sodass manchmal entweder gar keine Auswahl oder keine eindeutige Auswahl möglich ist. Die Nichtreproduziebarkeit vieler statistischen Erhebungen in Sozialwissenschaften basiert leider -zwar nicht ausschließlich aber zum Teil- auf methodischen Fehlern in Statistik und logischen Fehlern in der Methodik. Absolventen der Exaktenwissenschaften mit soliden Kenntnissen in der Formalen Logik und Statistik (Mathematik, Physik, Informatik) mögen weniger Erfahrung mit Fragebogen haben, dennoch können einerseits diese besser und präziser als SoWis erstellen und andererseits die richtigen logischen oder statistisch zulässigen Schlussfolgerungen daraus ziehen.