This session will briefly recap the main concepts and practices of Data Mesh and Data Fabric and consider their implications for Data Quality Management. Will the Mesh and Fabric make Data Quality easier or harder to get right? As a foundational data discipline how should Data Quality principles and practices evolve and adapt to meet the needs of these new trends? What new approaches and practices may be needed? What are the implications for Data Quality practitioners and other data management professionals working in other data disciplines such as Data Governance, Business Intelligence and Data Warehousing?
Praktische halve dag over het inzetten van Supervised machine learning. Wanneer is juist deze vorm te prefereren boven Unsupervised of Deep Learning en hoe pak je dit concreet aan? Hoe pak je data preparation aan voor verschillende soorten modellen en hoe automatiseer je dat uiteindelijk. [Video introduction]
DataOps is in de praktijk niet zo gewoon voor data & analytics als DevOps voor software engineering is. Bij DevOps zijn Ontwikkeling en Beheer samen verantwoordelijk om een systeem te ontwikkelen, in productie te brengen en beschikbaar te houden. Met als doel sneller leveren, wendbaarder zijn en maximale business value creëren. Dit is waar DataOps hetzelfde is als DevOps: we beogen dezelfde voordelen te behalen. Maar het ‘hoe’ verschilt aanzienlijk!