non per difendere il "vecchio DS"..ed è pensabile che Gen AI faccia da co-pilot , specialmente nel coding.. e che faremo sempre piu fine tuning.... ma come si fa a governarne i results? a capire se sta rispondendo correttamente ai passaggi intermedi fondamentali? se non si conoscono le metodologie e la teoria e non si è mai fatto in precedenza il "lavoro sporco"? ad es ho chiesto a GPT4 di fare "feature reduction" di un dataset per crearne uno sintetico "migliore". E lui ha prodotto parecchi casini ..tipo : usava la PCA ma non faceva prima la normalizzazione dei dati, ...non faceva elbow-test necessaria per verificare la qualità dell'output e per confrontare se altri modelli (es. LDA) facessero meglio della PCA.... Se avessi utilizzato quel dataset sintetico cosi some lo prodotto GPT4 avrei fatto un verso disastro...Il discorso del governo della GenAI è molto complesso (credo
Grazie per il video...molto interessante...secondo me i LLM possono velocizzare la parte di coding...ma, a mio avviso, i modelli nascono dalla comprensione del business e dello specifico problema... Secondo me ancora AI non può sostituire il design statistico, anche perché la competitività tra aziende ha bisogno sempre di soluzioni creative e non accessibili dalla concorrenza... da questo punto di vista potrebbe diventare un lavoro più math/stats intenso... Poi per carità, non ho la palla di vetro... @Datapizza cosa ne pensate?
In questo mondo in cui tutti cercano la strada più facile, solo chi avrà voglia di sporcarsi le mani e imparare si distinguerà dalla massa. Il mondo, le strategy, i dati cambiano continuamente e tempestivamente. Affidarsi sempre alla strada più facile può far risparmiare tempo ma allo stesso tempo può indurre ad abbagli che farebbero perdere il doppio del tempo guadagnato. Per tanto penso che l’arte di mischiare matematica, statistica e informatica (il vero data scientist) sarà ancora il fattore distintivo fra coloro che pensano di fare i data scientist chiacchierando quá e lá con un chatbot rischiando di portare fuffa e coloro che invece con rigore, precisione e creatività estraggono fatti a volte anche certezze.
Penso che sentiremo sempre più spesso il termine "prompt oriented", ossia programmare con efficace sequenze di prompt. Piu i prompt immessi sono efficaci piu hai risultati efficaci. Impostare prompt efficaci potrebbe essere la sfida del futuro per tutti noi! Almeno da quello che sto vedendo nel mio quotidiano mi pare cosi. Ad esempio qualche mese fa ho avuto modo di conoscere il BPMN Camunda in poco meno di 2 giorni (costretto anche dalle richieste impellenti ) solo grazie a furbe richieste a chatgpt e bing (ai tempi copilot era escluso in Italia), altrimenti ci avrei esso almeno due settimane. L'unico aspetto che forse potrebbe ridimensionare la AI è la sua vorace richiesta di energia per ogni singolo prompt. La AI secondo me non è cosi scalabile nel tempo, o almeno la terra e le risorse non le vedo cosi tanto abbondanti se la piega AI skizza oltre l'esponenziale negli anni futuri. Bel video! Grazie
Io credo che alla fine della fiera, indipendentemente dal lavoro, quello che conta è risolvere problemi e avere la risposta giusta alle domande che ci vengono poste, poi quel che sia il mezzo, il processo, gli strumenti ecc non ha importanza. In soldoni, se gpt4-5-6-7-8 sarà in grado di farci giungere a soluzione/risposta, potrà nascere la figura del generative data scientist :D
Al team di @datapizza vorrei chiedere: in un video del 2022 suggerivate 5 libri di testo per imparare data science, ML, DP e AI. Con l'uso della AI generativa a supporto del ML imparare la teoria sarà superfluo per il futuro di questo campo professionale? O sarà cmq necessario per capire bene le basi della materia?
Credo che il vantaggio competitivo dei futuri data scientist sarà sostanzialmente la conoscenza teorica degli argomenti, se ci si sofferma a pensare, soprattutto con i LLM, al momento tutti coloro che sono in grado di padroneggiare un qualsiasi argomento in maniera teorica riesce anche a farlo in maniera concreta con i LLM. Questo avvalora anche ciò che hai detto tu nel video, che i data scientist avranno la possibilità di concentrarsi sull'essere una posizione strategica più che operativa e l'interpretazione e la creatività delle soluzioni non può non essere guidata da forti competenze teoriche a sostegno.
Parli di corsi tecnici o di che tipo? Qui parliamo di un po’ di paper importanti per tutto il mondo LLM: ua-cam.com/users/livezNLEdfZlcQI?si=raZ5SwnZ4bsvlDn-
Ciaoo, volevo farvi una domanda proprio in proposito a questo argomento. Sono uno studente di triennale in fisica e pensavo che quasi certamente avrei scelto in futuro una magistrale in data science. Poi a pensarci meglio mi stavo ricredendo proprio per il motivo esposto nel video e per il fatto che con un background da fisico non sapevo se sarebbe stato davvero un "aggiungere" qualcosa alla mia formazione frequentare una magistrale di quel tipo. Veniamo alla domanda, sapete se una magistrale (in italia o all'estero che sia) esclusivamente rivolta al machine learning secondo voi sarebbe abbastanza per una formazione più totalizzante? Vi ringrazio in anticipo per l'eventuale risposta :-)
@@MrSuperpitx scusa se ti disturbo ancora ma proprio oggi mi ero ritrovato a vedere le magistrali del polito. Ho trovato intelligenza artificiale e data analytics e fisica dei sistemi complessi. La prima mi ha rimandato a un video di presentazione e non capisco che tipo di esami integrativi dovrei recuperar, probabilmente devo fare più ricerche. A te è bastato iscriverti con la media ponderata superiore a 24 e il certificato di lingua b2?
@@matti4__759 io l'ho fatta a Unito! Non PoliTo. Pro: PoliTo è internazionale ed è molto tosta e selettiva. Contro: in Unito hai la libertà di sceglierti l'80% degli esami, volendo anche in altre facoltà! Quindi puoi farla molto più "su misura" sui tuoi interessi. Comunque le due magistrali sono "gemelle" e puoi fare alcuni corsi del PoliTo anche ad UniTo.
L'ai generativa sostituirà i coder. Se il DS è solo un coder, sarà sostituito. Se saprà utilizzare le ia e le userà per spiegare processi allora no. Per questo però non basta essere un IT devi essere altro.
Il futuro sono le attività creative e quelle che richiedono il contatto umano. Live, UA-cam, social media saranno sempre più importanti e supportati dall ia, quindi ancora più attrattivi. Al momento non sono sostituibili da una ai
Fondamentale diventa avere skill orizzontali, essere in grado di svolgere più compiti in poco tempo per incrementare le commesse e far fare il lavoro specifico e tedioso all AI che sarà sempre meno costosa. Già oggi è alla portata di tutti, in futuro sarà quasi gratis, dato che addestrare modelli a quanto pare non è così difficile. La pubblicità cambierà tantissimo, vedo gli influencers di ogni tipo sul tetto del mondo. La navigazione della lead generation sempre meno frequente (con tutto ciò che ne consegue). Nel video si parla di aspetti decisionali, anche quelli sono basati su teorie manageriali=l’ ia può farlo bene
@@Ga113r14io vorrei specializzarmi come social media e digital Specialist secondo te queste mansioni verranno completamente automatizzate ? Ho visto che la comunicazione è fondamentale.
@@animatronix5676 quelli che prima erano lavori diventeranno mansioni singole. Le singole mansioni sono automatizzabili (copywriter, grafico, webspecialist, Ads specialist). Devi essere orizzontale nelle conoscenze. In futuro l’ ai proporrà le soluzioni e il decisore (tu) sceglierai l’ opzione migliore e quando applicarla
@@Ga113r14 ah perfetto direi. Io vorrei frequentare un its dove c'è proprio la specializzazione in Digital e social Media Specialist, e tutti gli argomenti menzionati da te si fanno come materie, più molto altro ovviamente. Quindi alla fine tante cose da quel che ho capito che ci verranno insegnate saranno automatizzate nel tempo. Speriamo bene non tutta la figura dello specialista se no vado a fare il muratore e già cerco anche perché ho già 23 anni.
Si anche io sono interessato ad ascoltare la vostra opinione al riguardo. Io ho quasi 41 anni ma tanta voglia di fare un reskilling, anche perché mi mancano ancora 26 anni di lavoro😂 prima della pensione
Dai non è proprio così! Anzi le basi sono fondamentali per poter essere sempre aggiornati e sul pezzo durante i cambiamenti che avverranno i prossimi anni 💥 Se guardi il nostro video "Analizzare dati con ChatGPT e code interpreter" puoi farti un'idea di quanto le basi di Statistica siano fondamentali per non usare gli strumenti in modo sbagliato :)
Per me è un po' azzardato pensare che sia tutto "superato", studiare le basi di una materia serve anche solo affinche tu capisca il significato dietro ai dati e le formule da utilizzare, le AI sono capaci di rispondere alle tue richieste ma non sono onniscenti, ci vuole la supervisione umana e quando rispondono alle domade è importante che uno capisca *come mai* la AI di turno abbia dato quelle risposte, io le vedo solo come "velocizzatori"/"ottimizzatori" del lavoro, magari in futuro sarà un lavoro meno richiesto ma still rimarrà la necessità di un essere umano che sappia dialogare e usare le AI nel modo corretto. Se così non fosse e saremo davvero rimpiazzati 100% allora sarà la fine di tutto il mercato del lavoro in generale, non solo dello statista / data scientist
Mi sono laureato alla triennale in Statistica per i Big Data a Padova quest' anno . Le allucinazioni sono ovunque, quindi capire le assunzioni dietro un modello statistico e capire come sono calcolati i valori che dà in output é ancora fondamentale. É sempre importante leggere la documentazione di una libreria prima di fidarsi di un LLM . Ispezionare il codice attentamente é una pratica fondamentale per non lasciarsi ingannare da alcuni errori di 'distrazione' che GPT può commettere. Ad esempio oggi mi é capitato di utilizzare gpt4 per calcolare la Nearest neighbors weighted average di un insieme di punti. Gpt4 ha scritto quasi tutto il codice corretto ma la funzione di pesi non era corretta. Capire il funzionamento di un algoritmo é necessario , quindi quello che si studia alla triennale non é inutile perché ti dà le basi per una comprensione di ciò che si sta facendo permettendoti di avere un pensiero più critico nei confronti delle risposte generate dall'IA.
Si per favore, il video sui vari ruoli MLOps, ecc. Sarebbe utilissimo per me :)
Mettiamo in ToDo ✅
Quoto
non per difendere il "vecchio DS"..ed è pensabile che Gen AI faccia da co-pilot , specialmente nel coding.. e che faremo sempre piu fine tuning.... ma come si fa a governarne i results? a capire se sta rispondendo correttamente ai passaggi intermedi fondamentali? se non si conoscono le metodologie e la teoria e non si è mai fatto in precedenza il "lavoro sporco"? ad es ho chiesto a GPT4 di fare "feature reduction" di un dataset per crearne uno sintetico "migliore". E lui ha prodotto parecchi casini ..tipo : usava la PCA ma non faceva prima la normalizzazione dei dati, ...non faceva elbow-test necessaria per verificare la qualità dell'output e per confrontare se altri modelli (es. LDA) facessero meglio della PCA.... Se avessi utilizzato quel dataset sintetico cosi some lo prodotto GPT4 avrei fatto un verso disastro...Il discorso del governo della GenAI è molto complesso (credo
Grazie per il video...molto interessante...secondo me i LLM possono velocizzare la parte di coding...ma, a mio avviso, i modelli nascono dalla comprensione del business e dello specifico problema...
Secondo me ancora AI non può sostituire il design statistico, anche perché la competitività tra aziende ha bisogno sempre di soluzioni creative e non accessibili dalla concorrenza... da questo punto di vista potrebbe diventare un lavoro più math/stats intenso...
Poi per carità, non ho la palla di vetro...
@Datapizza cosa ne pensate?
In questo mondo in cui tutti cercano la strada più facile, solo chi avrà voglia di sporcarsi le mani e imparare si distinguerà dalla massa.
Il mondo, le strategy, i dati cambiano continuamente e tempestivamente. Affidarsi sempre alla strada più facile può far risparmiare tempo ma allo stesso tempo può indurre ad abbagli che farebbero perdere il doppio del tempo guadagnato.
Per tanto penso che l’arte di mischiare matematica, statistica e informatica (il vero data scientist) sarà ancora il fattore distintivo fra coloro che pensano di fare i data scientist chiacchierando quá e lá con un chatbot rischiando di portare fuffa e coloro che invece con rigore, precisione e creatività estraggono fatti a volte anche certezze.
Penso che sentiremo sempre più spesso il termine "prompt oriented", ossia programmare con efficace sequenze di prompt. Piu i prompt immessi sono efficaci piu hai risultati efficaci. Impostare prompt efficaci potrebbe essere la sfida del futuro per tutti noi! Almeno da quello che sto vedendo nel mio quotidiano mi pare cosi. Ad esempio qualche mese fa ho avuto modo di conoscere il BPMN Camunda in poco meno di 2 giorni (costretto anche dalle richieste impellenti ) solo grazie a furbe richieste a chatgpt e bing (ai tempi copilot era escluso in Italia), altrimenti ci avrei esso almeno due settimane.
L'unico aspetto che forse potrebbe ridimensionare la AI è la sua vorace richiesta di energia per ogni singolo prompt. La AI secondo me non è cosi scalabile nel tempo, o almeno la terra e le risorse non le vedo cosi tanto abbondanti se la piega AI skizza oltre l'esponenziale negli anni futuri.
Bel video! Grazie
Il video sui ruoli MLOps, Data Engineering, ecc con eventuali stack e tecnologie necessarie, sarebbe utilissimo a mio parere
Io credo che alla fine della fiera, indipendentemente dal lavoro, quello che conta è risolvere problemi e avere la risposta giusta alle domande che ci vengono poste, poi quel che sia il mezzo, il processo, gli strumenti ecc non ha importanza. In soldoni, se gpt4-5-6-7-8 sarà in grado di farci giungere a soluzione/risposta, potrà nascere la figura del generative data scientist :D
Al team di @datapizza vorrei chiedere: in un video del 2022 suggerivate 5 libri di testo per imparare data science, ML, DP e AI. Con l'uso della AI generativa a supporto del ML imparare la teoria sarà superfluo per il futuro di questo campo professionale? O sarà cmq necessario per capire bene le basi della materia?
Credo che il vantaggio competitivo dei futuri data scientist sarà sostanzialmente la conoscenza teorica degli argomenti, se ci si sofferma a pensare, soprattutto con i LLM, al momento tutti coloro che sono in grado di padroneggiare un qualsiasi argomento in maniera teorica riesce anche a farlo in maniera concreta con i LLM. Questo avvalora anche ciò che hai detto tu nel video, che i data scientist avranno la possibilità di concentrarsi sull'essere una posizione strategica più che operativa e l'interpretazione e la creatività delle soluzioni non può non essere guidata da forti competenze teoriche a sostegno.
ci sono dei corsi online che trattano di AI Generativa e LLMs?
Parli di corsi tecnici o di che tipo?
Qui parliamo di un po’ di paper importanti per tutto il mondo LLM: ua-cam.com/users/livezNLEdfZlcQI?si=raZ5SwnZ4bsvlDn-
Ciaoo, volevo farvi una domanda proprio in proposito a questo argomento. Sono uno studente di triennale in fisica e pensavo che quasi certamente avrei scelto in futuro una magistrale in data science. Poi a pensarci meglio mi stavo ricredendo proprio per il motivo esposto nel video e per il fatto che con un background da fisico non sapevo se sarebbe stato davvero un "aggiungere" qualcosa alla mia formazione frequentare una magistrale di quel tipo. Veniamo alla domanda, sapete se una magistrale (in italia o all'estero che sia) esclusivamente rivolta al machine learning secondo voi sarebbe abbastanza per una formazione più totalizzante? Vi ringrazio in anticipo per l'eventuale risposta :-)
Oppure fai una via di mezzo, io ho studiato Fisica dei sistemi complessi e adesso lavoro come ML Engineer :D
@@MrSuperpitx fighissimo. Ti posso chiedere che requisiti bisogna avere per l'applicazione alla magistrale e dove sei andato? Sono molto interessato
Laurea triennale in Fisica va benissimo :)
Mentre la magistrale l'ho fatta a Torino.
@@MrSuperpitx scusa se ti disturbo ancora ma proprio oggi mi ero ritrovato a vedere le magistrali del polito. Ho trovato intelligenza artificiale e data analytics e fisica dei sistemi complessi. La prima mi ha rimandato a un video di presentazione e non capisco che tipo di esami integrativi dovrei recuperar, probabilmente devo fare più ricerche. A te è bastato iscriverti con la media ponderata superiore a 24 e il certificato di lingua b2?
@@matti4__759 io l'ho fatta a Unito! Non PoliTo.
Pro: PoliTo è internazionale ed è molto tosta e selettiva.
Contro: in Unito hai la libertà di sceglierti l'80% degli esami, volendo anche in altre facoltà! Quindi puoi farla molto più "su misura" sui tuoi interessi.
Comunque le due magistrali sono "gemelle" e puoi fare alcuni corsi del PoliTo anche ad UniTo.
L' IA non commette errori?
Quindi d'ora in poi farete solo video con durata tra 3 e 6minuti 😂😂?
Secondo i dati: o video luuunghi (1+ ore / è uscita la Live con Enkk martedì) oppure tra i 5 e i 7 minuti 😂
L'ai generativa sostituirà i coder. Se il DS è solo un coder, sarà sostituito. Se saprà utilizzare le ia e le userà per spiegare processi allora no. Per questo però non basta essere un IT devi essere altro.
Yes! Video sui ruoli plzzz
Io avevo il timore che l'AI sostituisse completamente il lavoro del data scientist
Il futuro sono le attività creative e quelle che richiedono il contatto umano. Live, UA-cam, social media saranno sempre più importanti e supportati dall ia, quindi ancora più attrattivi. Al momento non sono sostituibili da una ai
Fondamentale diventa avere skill orizzontali, essere in grado di svolgere più compiti in poco tempo per incrementare le commesse e far fare il lavoro specifico e tedioso all AI che sarà sempre meno costosa. Già oggi è alla portata di tutti, in futuro sarà quasi gratis, dato che addestrare modelli a quanto pare non è così difficile. La pubblicità cambierà tantissimo, vedo gli influencers di ogni tipo sul tetto del mondo. La navigazione della lead generation sempre meno frequente (con tutto ciò che ne consegue).
Nel video si parla di aspetti decisionali, anche quelli sono basati su teorie manageriali=l’ ia può farlo bene
@@Ga113r14io vorrei specializzarmi come social media e digital Specialist secondo te queste mansioni verranno completamente automatizzate ? Ho visto che la comunicazione è fondamentale.
@@animatronix5676 quelli che prima erano lavori diventeranno mansioni singole. Le singole mansioni sono automatizzabili (copywriter, grafico, webspecialist, Ads specialist). Devi essere orizzontale nelle conoscenze. In futuro l’ ai proporrà le soluzioni e il decisore (tu) sceglierai l’ opzione migliore e quando applicarla
@@Ga113r14 ah perfetto direi. Io vorrei frequentare un its dove c'è proprio la specializzazione in Digital e social Media Specialist, e tutti gli argomenti menzionati da te si fanno come materie, più molto altro ovviamente. Quindi alla fine tante cose da quel che ho capito che ci verranno insegnate saranno automatizzate nel tempo. Speriamo bene non tutta la figura dello specialista se no vado a fare il muratore e già cerco anche perché ho già 23 anni.
@@Ga113r14Da qui a essere automatizzate ci vuole ancora tempo
Un suggerimento per chi si vorrebbe approcciare a questo mondo ma alla veneranda età di 40 anni? 😂 Rinunciare?
Si anche io sono interessato ad ascoltare la vostra opinione al riguardo. Io ho quasi 41 anni ma tanta voglia di fare un reskilling, anche perché mi mancano ancora 26 anni di lavoro😂 prima della pensione
io 48, devo riformarmi da zero, per partire e non tornare piu' da questa Italia ormai bistrattata.
Interessantissimo!!!😊
Accipicchia! Io sono alla triennale di statistica per i big data. Mi stai dicendo che, quello che sto studiando, è già superato?
Dai non è proprio così! Anzi le basi sono fondamentali per poter essere sempre aggiornati e sul pezzo durante i cambiamenti che avverranno i prossimi anni 💥
Se guardi il nostro video "Analizzare dati con ChatGPT e code interpreter" puoi farti un'idea di quanto le basi di Statistica siano fondamentali per non usare gli strumenti in modo sbagliato :)
Tra l'altro secondo me la supervisione umana servirà sempre, le allucinazioni degli LLM sono sempre dietro l'angolo...
Per me è un po' azzardato pensare che sia tutto "superato", studiare le basi di una materia serve anche solo affinche tu capisca il significato dietro ai dati e le formule da utilizzare, le AI sono capaci di rispondere alle tue richieste ma non sono onniscenti, ci vuole la supervisione umana e quando rispondono alle domade è importante che uno capisca *come mai* la AI di turno abbia dato quelle risposte, io le vedo solo come "velocizzatori"/"ottimizzatori" del lavoro, magari in futuro sarà un lavoro meno richiesto ma still rimarrà la necessità di un essere umano che sappia dialogare e usare le AI nel modo corretto. Se così non fosse e saremo davvero rimpiazzati 100% allora sarà la fine di tutto il mercato del lavoro in generale, non solo dello statista / data scientist
@@datapizza Anche perchè usare ChatGPT è un conto, sapergli fare le domande giuste per ottenere ciò che volgiamo è un altro
Mi sono laureato alla triennale in Statistica per i Big Data a Padova quest' anno . Le allucinazioni sono ovunque, quindi capire le assunzioni dietro un modello statistico e capire come sono calcolati i valori che dà in output é ancora fondamentale. É sempre importante leggere la documentazione di una libreria prima di fidarsi di un LLM . Ispezionare il codice attentamente é una pratica fondamentale per non lasciarsi ingannare da alcuni errori di 'distrazione' che GPT può commettere. Ad esempio oggi mi é capitato di utilizzare gpt4 per calcolare la Nearest neighbors weighted average di un insieme di punti. Gpt4 ha scritto quasi tutto il codice corretto ma la funzione di pesi non era corretta. Capire il funzionamento di un algoritmo é necessario , quindi quello che si studia alla triennale non é inutile perché ti dà le basi per una comprensione di ciò che si sta facendo permettendoti di avere un pensiero più critico nei confronti delle risposte generate dall'IA.