15th Data & AI Meetup: Reinforcement Learning; TensorFlow on Azure; Visual Analytics

DB Systel Skydeck in Frankfurt (previous meetup)
DB Systel Skydeck in Frankfurt (previous meetup)

We’d like to invite you to our Data & AI meetup, hosted at Skydeck @ DB Systel in Frankfurt, Germany.

Agenda:

5:30pm: Doors open

6:00pm: Welcome & Intro
by Alexander Loth, Digital Strategist at Microsoft
and Darren Cooper, Principal Consultant at DB Systel

6:20pm: 🚄 Reinforcement Learning of Train Dispatching at Deutsche Bahn
by Dr. Tobias Keller, Data Scientist at DB Systel

7:00pm: 🚀 TensorFlow & Co as a Service
by Sascha Dittmann, Cloud Solution Architect for Advanced Analytics & AI at Microsoft

7:40pm: 📊 Visual Analytics: from messy data to insightful visualization
by Daniel Weikert, Expert Consultant at SIEGER Consulting

8:30pm: Networking & drinks

9:30pm: Event concludes

Sign up on Meetup and join us on Twitter @DataAIHub and LinkedIn!

Do you want to speak at our events? Submit your proposal here: https://aka.ms/speakAI

Machine Learning kompakt: Alles, was Sie wissen müssen

Machine Learning Kompakt Cover und Deep-Learning-Kapitel
Machine Learning kompakt und Blick in das Kapitel “Neuronale Netze und Deep Learning”

Nachdem ich bereits Erfahrung als Buchautor (hier und hier) gesammelt habe, hatte ich kürzlich die Gelegenheit als Technical Reviewer ein sehr spannendes Buchprojekt zu unterstützen. Das Buch Machine Learning kompakt: Alles, was Sie wissen müssen, geschrieben von Andriy Burkov, fand ich dabei dermaßen interessant, dass ich es gerne im Folgenden kurz vorstellen werde:

Machine Learning kompakt von Andriy Burkov ist ein hervorragend geschriebenes Buch und ein Muss für jeden, der sich für Machine Learning interessiert.

Andriy Burkov gelang ein ausgewogenes Verhältnis zwischen der Mathematik, intuitiven Darstellungen und verständlichen Erklärungen zu finden. Dieses Buch wird Neulingen auf dem Gebiet als gründliche Einführung zu Machine Learning zugutekommen. Darüber hinaus dient das Buch Entwicklern als perfekte Ergänzung zu Code-intensiver Literatur, da hier die zugrunde liegenden Konzepte beleuchtet werden.

Microsoft Azure Machine Learning Studio
Microsoft Azure Machine Learning Studio

Machine Learning kompakt eignet sich außerdem als Lehrbuch für einen allgemeinen Kurs zu Machine Learning. Ich wünschte, ein solches Buch gäbe es, als ich studiert habe!

Protip: viele der im Buch vorgestellten Machine-Learning-Algorithmen können Sie einfach und bequem in Microsoft Azure Machine Learning Studio selbst ausprobieren: https://aka.ms/mlst

Machine Learning kompakt: Alles, was Sie wissen müssen (mitp Professional)
  • Andriy Burkov
  • Publisher: mitp
  • Edition no. 2019 (30.06.2019)
  • Broschiert: 200 pages

How to research LinkedIn profiles in Tableau with Python and Azure Cognitive Services

Tableau is using Python to access the Web Services API provided by Microsoft Azure Cognitive Services
Tableau is using Python to access the Web Services API provided by Microsoft Azure Cognitive Services

A few weeks after the fantastic Tableau Conference in New Orleans, I received an email from a data scientist who attended my TC18 social media session, and who is using Azure+Tableau. She had a quite interesting question:

How can a Tableau dashboard that displays contacts (name & company) automatically lookup LinkedIn profile URLs?

Of course, researching LinkedIn profiles for a huge list of people is a very repetitive task. So let’s find a solution to improve this workflow…

1. Python and TabPy

We use Python to build API requests, communicate with Azure Cognitive Services and to verify the returned search results. In order to use Python within Tableau, we need to setup TabPy. If you haven’t done this yet: checkout my TabPy tutorial.

2. Microsoft Azure Cognitive Services

One of many APIs provided by Azure Cognitive Services is the Web Search API. We use this API to search for name + company + “linkedin”. The first three results are then validated by our Python script. One of the results should contain the corresponding LinkedIn profile.

3. Calculated Field in Tableau

Let’s wrap our Python script together and create a Calculated Field in Tableau:

4. Tableau dashboard with URL action

Adding a URL action with our new Calculated Field will do the trick. Now you can click on the LinkedIn icon and a new browser tab (or the LinkedIn app if installed) opens.

LinkedIn demo on Tableau Public

Is this useful for you? Feel free to download the Tableau workbook (don’t forget to add your API key), leave a comment and share this tweet:

#TC18 Wrap-up: Azure SQL Data Warehouse speeds up your Analysis

Benchmark: Microsoft Azure SQL Data Warehouse outperforms Amazon Redshift in TCP-H 30TB
Benchmark: Microsoft Azure SQL Data Warehouse outperforms Amazon Redshift in TCP-H 30TB

Slowly the dust settles after the impressive TC18. During my wrap-up, I remembered the data warehouse benchmarks of the Azure & Tableau session by James Rowland-Jones. Especially because my customers ask me about such performance metrics over and over again.

The first benchmark (graph above) shows how Microsoft Azure SQL Data Warehouse (aka. SQL DW) outperforms Amazon Redshift – in terms of performance and price. While the second benchmark shows further performance tests for Amazon Redshift, Snowflake, Azure, Presto, and Google Big Query:

Benchmark: Microsoft Azure SQL Data Warehouse Gen 2 vs. Amazon Redshift, Snowflake, Presto, Google Big Query
Benchmark: Microsoft Azure SQL Data Warehouse Gen 2 vs. Amazon Redshift, Snowflake, Presto, Google Big Query

Since James’ session is already available on Tableau’s Youtube channel, feel free to watch the entire Azure & Tableau session:

Daten-Demokratisierung: Daten sind DER Rohstoff der Zukunft

Tableau Conference 2015 Dev-Keynote
Tableau Conference 2015 Dev-Keynote

Auf der Tableau Conference 2015 wurde eines besonders deutlich: Datenanalyse ist unverzichtbar und relevant für alle Unternehmensbereiche. Daten für alle Mitarbeiter im Unternehmen nutzbar machen, nennt man auch Daten-Demokratisierung. Damit können dann Entscheidungen getroffen werden, die auf konkreten, leicht verständlichen und auf das Unternehmen bezogenen Daten basieren.

Daten werden somit zum Rohstoff der Zukunft eines jeden Unternehmens!

Daten-Demokratisierung funktioniert nur dann, wenn Daten mit Self-Service-Tools, wie Tableau, zugänglich gemacht werden, sodass die Daten auch ohne tiefes technisches Wissen analysiert werden können. Neben klassischen Datenquellen wie ERP- und CRM-Systemen entstehen auch in anderen Bereichen relevante Daten, z.B. dateibasierte Formate wie Excel, oder Cloud-Dienste wie Microsoft Azure.