Africa-focused technology, digital and innovation ecosystem insight and commentary.
…
continue reading
เนื้อหาจัดทำโดย The Data Flowcast เนื้อหาพอดแคสต์ทั้งหมด รวมถึงตอน กราฟิก และคำอธิบายพอดแคสต์ได้รับการอัปโหลดและจัดหาให้โดยตรงจาก The Data Flowcast หรือพันธมิตรแพลตฟอร์มพอดแคสต์ของพวกเขา หากคุณเชื่อว่ามีบุคคลอื่นใช้งานที่มีลิขสิทธิ์ของคุณโดยไม่ได้รับอนุญาต คุณสามารถปฏิบัติตามขั้นตอนที่แสดงไว้ที่นี่ https://th.player.fm/legal
Player FM - แอป Podcast
ออฟไลน์ด้วยแอป Player FM !
ออฟไลน์ด้วยแอป Player FM !
The Future of AI in Data Engineering With Astronomer’s Julian LaNeve and David Xue
MP3•หน้าโฮมของตอน
Manage episode 421020853 series 2053958
เนื้อหาจัดทำโดย The Data Flowcast เนื้อหาพอดแคสต์ทั้งหมด รวมถึงตอน กราฟิก และคำอธิบายพอดแคสต์ได้รับการอัปโหลดและจัดหาให้โดยตรงจาก The Data Flowcast หรือพันธมิตรแพลตฟอร์มพอดแคสต์ของพวกเขา หากคุณเชื่อว่ามีบุคคลอื่นใช้งานที่มีลิขสิทธิ์ของคุณโดยไม่ได้รับอนุญาต คุณสามารถปฏิบัติตามขั้นตอนที่แสดงไว้ที่นี่ https://th.player.fm/legal
The world of data orchestration and machine learning is rapidly evolving, and tools like Apache Airflow are at the forefront of these changes. Understanding how to effectively utilize these tools can significantly enhance data processing and AI model deployment. This episode features Julian LaNeve, CTO at Astronomer, and David Xue, Machine Learning Engineer at Astronomer. They delve into the intricacies of data orchestration, generative AI and the practical applications of these technologies in modern data workflows. Key Takeaways: (01:51) The pressure to engage in the generative AI space. (02:02) Generative AI can elevate data utilization to the next level. (02:43) The transparency issues with commercial AI models. (04:27) High-quality data in model performance is crucial. (06:40) Running new models on smaller devices, like phones. (12:19) Fine-tuning LLMs to handle millions of task failures. (16:54) Teaching AI to understand specific logs, not general passages, is a goal. (21:56) Using Airflow as a general-purpose orchestration tool. (22:00) Airflow is adaptable for various use cases, including ETL and ML systems. Resources Mentioned: Julian LaNeve - https://www.linkedin.com/in/julianlaneve/ Atronomer - https://www.linkedin.com/company/astronomer/ David Xue - https://www.linkedin.com/in/david-xue-uva/ Apache Airflow - https://airflow.apache.org/ Meta’s Open Source Llama 3 model: https://ai.meta.com/blog/meta-llama-3/https://ai.meta.com/blog/meta-llama-3/ Microsoft’s Phi-3 model: https://www.microsoft.com/en-us/research/publication/phi-3-technical-report-a-highly-capable-language-model-locally-on-your-phone/ GPT-4 - https://www.openai.com/research/gpt-4 Thanks for listening to The Data Flowcast: Mastering Airflow for Data Engineering & AI. If you enjoyed this episode, please leave a 5-star review to help get the word out about the show. And be sure to subscribe so you never miss any of the insightful conversations. #ai #automation #airflow #machinelearning
…
continue reading
37 ตอน
The Future of AI in Data Engineering With Astronomer’s Julian LaNeve and David Xue
The Data Flowcast: Mastering Airflow for Data Engineering & AI
MP3•หน้าโฮมของตอน
Manage episode 421020853 series 2053958
เนื้อหาจัดทำโดย The Data Flowcast เนื้อหาพอดแคสต์ทั้งหมด รวมถึงตอน กราฟิก และคำอธิบายพอดแคสต์ได้รับการอัปโหลดและจัดหาให้โดยตรงจาก The Data Flowcast หรือพันธมิตรแพลตฟอร์มพอดแคสต์ของพวกเขา หากคุณเชื่อว่ามีบุคคลอื่นใช้งานที่มีลิขสิทธิ์ของคุณโดยไม่ได้รับอนุญาต คุณสามารถปฏิบัติตามขั้นตอนที่แสดงไว้ที่นี่ https://th.player.fm/legal
The world of data orchestration and machine learning is rapidly evolving, and tools like Apache Airflow are at the forefront of these changes. Understanding how to effectively utilize these tools can significantly enhance data processing and AI model deployment. This episode features Julian LaNeve, CTO at Astronomer, and David Xue, Machine Learning Engineer at Astronomer. They delve into the intricacies of data orchestration, generative AI and the practical applications of these technologies in modern data workflows. Key Takeaways: (01:51) The pressure to engage in the generative AI space. (02:02) Generative AI can elevate data utilization to the next level. (02:43) The transparency issues with commercial AI models. (04:27) High-quality data in model performance is crucial. (06:40) Running new models on smaller devices, like phones. (12:19) Fine-tuning LLMs to handle millions of task failures. (16:54) Teaching AI to understand specific logs, not general passages, is a goal. (21:56) Using Airflow as a general-purpose orchestration tool. (22:00) Airflow is adaptable for various use cases, including ETL and ML systems. Resources Mentioned: Julian LaNeve - https://www.linkedin.com/in/julianlaneve/ Atronomer - https://www.linkedin.com/company/astronomer/ David Xue - https://www.linkedin.com/in/david-xue-uva/ Apache Airflow - https://airflow.apache.org/ Meta’s Open Source Llama 3 model: https://ai.meta.com/blog/meta-llama-3/https://ai.meta.com/blog/meta-llama-3/ Microsoft’s Phi-3 model: https://www.microsoft.com/en-us/research/publication/phi-3-technical-report-a-highly-capable-language-model-locally-on-your-phone/ GPT-4 - https://www.openai.com/research/gpt-4 Thanks for listening to The Data Flowcast: Mastering Airflow for Data Engineering & AI. If you enjoyed this episode, please leave a 5-star review to help get the word out about the show. And be sure to subscribe so you never miss any of the insightful conversations. #ai #automation #airflow #machinelearning
…
continue reading
37 ตอน
Alla avsnitt
×ขอต้อนรับสู่ Player FM!
Player FM กำลังหาเว็บ