Africa-focused technology, digital and innovation ecosystem insight and commentary.
…
continue reading
Контент предоставлен The Data Flowcast. Весь контент подкастов, включая эпизоды, графику и описания подкастов, загружается и предоставляется непосредственно компанией The Data Flowcast или ее партнером по платформе подкастов. Если вы считаете, что кто-то использует вашу работу, защищенную авторским правом, без вашего разрешения, вы можете выполнить процедуру, описанную здесь https://ru.player.fm/legal.
Player FM - приложение для подкастов
Работайте офлайн с приложением Player FM !
Работайте офлайн с приложением Player FM !
The Future of AI in Data Engineering With Astronomer’s Julian LaNeve and David Xue
MP3•Главная эпизода
Manage episode 421020853 series 2053958
Контент предоставлен The Data Flowcast. Весь контент подкастов, включая эпизоды, графику и описания подкастов, загружается и предоставляется непосредственно компанией The Data Flowcast или ее партнером по платформе подкастов. Если вы считаете, что кто-то использует вашу работу, защищенную авторским правом, без вашего разрешения, вы можете выполнить процедуру, описанную здесь https://ru.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
33 эпизодов
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•Главная эпизода
Manage episode 421020853 series 2053958
Контент предоставлен The Data Flowcast. Весь контент подкастов, включая эпизоды, графику и описания подкастов, загружается и предоставляется непосредственно компанией The Data Flowcast или ее партнером по платформе подкастов. Если вы считаете, что кто-то использует вашу работу, защищенную авторским правом, без вашего разрешения, вы можете выполнить процедуру, описанную здесь https://ru.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
33 эпизодов
Todos os episódios
×Добро пожаловать в Player FM!
Player FM сканирует Интернет в поисках высококачественных подкастов, чтобы вы могли наслаждаться ими прямо сейчас. Это лучшее приложение для подкастов, которое работает на Android, iPhone и веб-странице. Зарегистрируйтесь, чтобы синхронизировать подписки на разных устройствах.