Data Science en AI belanden in een fase waarin het in productie nemen van resultaten belangrijker wordt dan het doen van experimenten. Er zijn diverse manieren om AI projecten in productie te nemen (i) als rapport, (ii) als dashboard (R-Shiny of PowerBI) of (iii) als API te benaderen door een andere tool. Welke manier er ook gebruikt wordt voor implementatie, een productie omgeving stelt echter andere eisen aan de algoritmes die geschreven worden. Productie betekent: live./ beschikbaar / stabiel / veilig / snel en schaalbaar. Dit is eigenlijk alles wat het draaien op een notebook niet is. Een ideale productie platform (i) kan dan ook omgaan met verschillende versies van Python/R en packages, (ii) is schaalbaar in geheugen en computing power zodat algoritmes blijven draaien, (iii) kan omgaan gebruikers accounts. De standaard platformen waar R of Python op draaien zijn dit niet. Het ownR platform is dit wel. Hoewel we geen reclame willen maken voor een specifiek platform, kunnen we wel veel leren van een uitzending over de eigenschappen van ownR.

 

David Kun

We praten met David Kun oprichter van Functional Analytics die het ownR platform ontwikkelt. Naast data scientist is David ook nog een expert op het gebied van programmeren in python/R, de wiskunde erachter, en de veranderkundige problemen in organisaties.https://www.linkedin.com/in/davidkun/