Online Meet-up: Data Analytics & Generative AI

Meet-up: Data Analytics & Generative AI

Op 24 juni organiseerde Pancompany een meet-up waarin Emile Strijbos, Senior Data Engineer en Competence Developer Data Analytics, zijn inzicht in de fascinerende wereld van Generative AI deelde. Aan het begin van dit jaar voltooide Emile de cursus ‘Developing Generative AI Applications’. Deze cursus stelde hem in staat om via het Azure-platform gebruik te maken van de OpenAI-modellen. Destijds bevond de Azure OpenAI-service zich in een beginstadium, slechts beschikbaar in de Verenigde Staten, en alleen de meest economische versie was toegankelijk. Nu, een half jaar later, is de service breder beschikbaar.

De sessie opende met een overzicht van het AI-speelveld. Emile legde helder de definities uit van AI, Machine Learning, Neurale Netwerken, Deep Learning en Generative AI, zodat deze begrippen scherp en concreet  werden voor het publiek.

Het hoogtepunt van de meet-up was de serie demonstraties. Binnen het Azure-portal toonde Emile hoe men kan experimenteren met OpenAI-modellen. Hij demonstreerde vervolgens hoe, met behulp van een Software Development Kit, vragen gesteld kunnen worden aan datasets vanuit Visual Studio of een Python Notebook.

De laatste demo liet de indrukwekkende integratiemogelijkheden van AI binnen cloud-platforms zien. Aangezien de Generative AI-service naadloos in het cloud-platform werkt, zorgt dit voor een vloeiende samenwerking tussen alle cloud-componenten. De service ondersteunt probleemloos alles van de staging-laag tot PowerBI-rapportage, en zelfs integratie met Azure DevOps is mogelijk. Deze synergie maakt dat de kracht van AI toegepast kan worden over de gehele ontwikkelketen, wat aanzienlijke voordelen oplevert.

In de demo werd gedemonstreerd hoe de data-kwaliteit verbeterd kan worden bij het importeren van data. Een bekend probleem voor elke data engineer of analist is de verschillende notaties van datum/tijd. Een slimme Large Language Model (LLM) kan een cruciale rol spelen in het consistent maken van deze datums. Deze functie handelt niet enkel volgens vaste regels maar leert en past zich aan bij uitzonderingen. Bovendien kan de functie zichzelf verbeteren. Deze benadering geldt niet alleen voor het omzetten van datavelden, maar ook voor het verbeteren van de data-kwaliteit van een (big) dataset door ontbrekende velden in te vullen, velden te categoriseren, en meer.

Deze meet-up onderstreepte niet alleen de kracht van Generative AI binnen moderne data analytics, maar inspireerde ook aanwezigen om nieuwe innovaties te verkennen die de weg vrijmaken voor toekomstige datavooruitgang en efficiëntie in hun respectievelijke vakgebieden.