Genkend revner i beton, kategoriser store mængder indscannede dokumenter eller analyser medicinske billeder. Det er blot nogle eksempler på, hvordan kunstig intelligens og en maskinlæringsteknik som deep learning skaber helt nye muligheder inden for industrien, især inden for for billed- og tekstanalyse.
Henrik Pedersen fortæller om nogle af alle de forløb, hvor Alexandra Instituttet har hjulpet virksomheder med at udnytte potentialet i deep Learning. Hvad er processen, og hvordan kommer man overhovedet i gang, når man f.eks. ikke har data, eller der ikke findes en standardløsning, man kan bruge?

Med baggrund i egne erfaringer hører vi fra Oslo Universitet om deres overvejelser og krav til primære data-platforme i forbindelse med deres AI-projekt, og hvorfor valg af storage platform en er kritisk succesfaktor for data-intensive workloads. Gard vil bl.a tage os med på den rejse, der har ført til implementeringen af deres nuværende miljø i relation til data management, sikkerhed og distribution af information.

Indlægget afholdes på engelsk.

På dette indlæg vil vi forsøge at inspirere dig som IT-ansvarlig til, hvordan man får fuld kontrol over og værdi ud af sit data univers.

Vi vil præsentere IBM’s bud på en data storage arkitektur, der dækker alt fra edge til core, til tape, object og/eller cloud, samt det overliggende værtøj som kan skabe overblik over alle organistionens data, som sikrer optimal placering ift. forbrugsmønstre og omkomstninger.

Oplægsholder er Morten G. Petersen, som har arbejdet med optimering af file data-miljøer igennem de sidste 15 år. På denne whiteboard session vil han blandt andet dele sine erfaringer med:

• De udfordringer it-afdelingen møder, når både tid og system ressourcerne skal række.
• Særlige områder at være opmærksom på, når man skal definere og vælge den rette data strategi.
• Manglende fleksibilitet, som en silobaseret decentraliseret dataplatform typisk medfører.
• Hvordan kan man konsolidere alle sine workloads, områder man bør tage højde for i forhold til nye typer af workloads som Data Intelligens, Artificial Intelligence, Internet of things etc.
• Hvor kommer data væksten fra - fil- og object data vs. traditionel data.
• Hvordan konsolideres datagrundlag til cloud løsninger mest effektivt og økonomisk.
• Den reelle værdi og tilgængelighed af data for applikationerne.