TechnologyBusinessManagement

Datastudion

Data Dao

En pod om data och datadrivenhet med fokus på människorna som jobber med eller runt data.

Har du frågor, feedback eller ett favoritämne vi måste täcka? Hör av dig till oss på datastudion@datadao.se eller kika in på vår hemsida datastudion.se.

Hosted on Acast. See acast.com/privacy for more information.

Play

Open in

22 episodes
weekly
Avg 35 min
Swedish

Episodes 22

Newest Oldest Longest

All20 Unplayed20 In progress0 Played0

Counted on this page — what you have heard stays on this device, so it is not something the list can be paged by.

#54
October 5 · 29 min
54. Realtidsanalys: när är snabbt bättre än korrekt?
"Om datan är en timme gammal så är den per definition dålig." Alex är tillbaka i studion, nedtågad från Stockholm efter en kurs i realtidsanalys hos ClickHouse. Kursen fick honom att fundera på en enkel fråga: vad är egentligen datakvalitet? Hugo och Alex reder ut vad realtidsanalys är, och varför de flesta av oss aldrig har jobbat med det. Korrekthet, fullständighet och unikhet brukar definiera bra data. Men i realtid kan aktualitet trumfa allt. Ibland är en approximativ siffra nu värd mer än en exakt siffra om en timme. Det gäller bara att veta när. Referenser ClickHouse – kolumnbaserat data warehouse för realtidsanalys Kolumnorienterad databas – lagrar data per kolumn istället för rad Realtidsanalys – analys av data så fort den genereras Batchbearbetning – data bearbetas i klump, t.ex. dagligen Data quality dimensions – korrekthet, fullständighet, samstämmighet, giltighet, unikhet, aktualitet dbt – verktyg för datatransformationer Airflow, Dagster, Prefect – orchestrators dlt – Python-bibliotek för dataingestion Primary key / Foreign key – nycklar i relationsdatabaser Numerisk analys – approximationer istället för exakta lösningar False dichotomy – falsk motsättning SLA – Service Level Agreement Hosted on Acast. See acast.com/privacy for more information.
#53
September 22 · 31 min
53. Ersätts vi av AI?
Efter sommaren är Hugo, Erik och Johnny tillbaka i mikrofonerna, och kastar sig rakt in i frågan som snurrat på kontoret hos Data Dao i Malmö: kommer vi som jobbar med data bli ersatta av AI? Erik och Johnny representerar varsin sida av samma mynt – den ena kodar knappt utan AI längre, den andra använder det knappt alls. Tillsammans går de igenom vad som faktiskt håller på att förändras: grunt work som juniorer tidigare fick lära sig på, kodifierad kunskap som AI:n redan är bättre på än de flesta – och den mänskliga kontakt som Hugo menar aldrig går att automatisera bort. Ni får bland annat höra om studien där utvecklare trodde att AI gjorde dem 20 % snabbare – men i verkligheten blev de 19 % långsammare. Och om Stanfordforskningen som visar att det inte är de seniora som får det svårare på arbetsmarknaden. Frågan är kanske inte om AI:n är tillräckligt bra. Frågan är vad vi väljer att göra med tiden den faktiskt sparar. Referenser METR-studien: Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity – utvecklare trodde AI gjorde dem 20 % snabbare, i verkligheten blev de 19 % långsammare Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of AI – Stanfordstudie som visar att unga i AI-exponerade yrken halkar efter i anställning Bun – JavaScript-runtime vars omskrivning från Zig till Rust till stor del gjordes av AI AGI – Artificial General Intelligence, generell AI som klarar det mesta en människa klarar Cobol – gammalt programmeringsspråk, nämns som exempel på kompetens som blivit historia Anthropic – AI-säkerhetsbolaget som nämns i avsnittet Hosted on Acast. See acast.com/privacy for more information.
#52
June 30 · 46 min
52. Datadriven kultur börjar hos VD:n m. Andreas Markerud
Andreas Markerud har byggt dataplattformar från grunden – på TUI, på Qliro, och nu igen. Det han har lärt sig är att tekniken sällan är problemet. I det här avsnittet pratar Hugo, Benny och Andreas om varför datadriven kultur alltid börjar i ledningsgruppen, hur man förklarar värdet av maskininlärning för en vd som inte kan ett ord om XGBoost – och hur man faktiskt får en frontend-utvecklare att bry sig om datakvalitet i sina events. Vi landar också i frågan alla ställer just nu: finns det dashboards kvar om två år? Och hur skiljer man på automatisering och självständighet när det kommer till AI-agenter? Referenser TUI – ett av världens största resebolag Qliro – fintech, reglerad av Finansinspektionen Voi – elsparkcykelbolag, nämns som exempel på datateamsstruktur Snowflake – cloud data warehouse dbt – transformationsverktyg för analytics engineering Airflow – orkestrering av datapipelines SSIS – Microsofts äldre ETL-verktyg Hadoop / Big Data-eran XGBoost – gradientboostingmodell för maskininlärning Feature store – lagring av features för ML-modeller A/B-testning Data mesh – decentraliserat dataägarskap GitLab hub-spoke-modell – GitLabs datahandboksmodell Guild-konceptet (Spotify-modellen) Semantic layer / Cube – semantiskt lager för konsistenta KPI:er MetricFlow / dbt Semantic Layer MCP (Model Context Protocol) The Invisible Women – Caroline Criado Perez – om bias i data Tristan Handy (dbt Labs) – grundare av dbt, bloggpost: I built a very small agent swarm Bino Catasús – tidigare Datastudio-gäst, citat om bias vid visualisering Airbnb data engineering – nämns som förebild Superpower – software development methodology for coding agents Hosted on Acast. See acast.com/privacy for more information.
#51
June 15 · 36 min
51. Vad är conversational analytics? m. Johan Strand
Har du en OKR om att "implementera AI" 2026? Lyssna här. Johan Strand, senior digital analytiker på Ctrl Digital, hörde av sig till oss och ville vara med. Det är vi glada för. Conversational analytics handlar om att konversera med din data – ställa frågor i fritext och få svar tillbaka, istället för att skriva SQL eller klicka runt i en dashboard. Men varför har det inte funnits tidigare, och varför är det aktuellt just nu? Johan reder ut vad som faktiskt krävs för att det ska fungera på riktigt: samlad data, ett semantiskt lager som definierar vad försäljning faktiskt betyder i er verksamhet – och en LLM som kan använda det. Han förklarar varför conversational analytics inte ersätter dashboarden – utan kompletterar den. Och varför AI alltid är första dagen på jobbet. Referenser Ctrl Digital – digitalt analyskonsultbolag BigQuery Conversational Analytics – Googles implementation av conversational analytics ETL – Extract, Transform, Load Data warehouse – centralt datalager Semantiskt lager – definierar affärslogik och KPI:er BigQuery – Googles molnbaserade dataplattform Looker Studio – Googles verktyg för datavisualisering (tidigare Data Studio) CLV – Customer Lifetime Value SQL – Structured Query Language Data Innovation Summit 2026 – konferens om data och AI Power BI – Microsofts BI-verktyg Hosted on Acast. See acast.com/privacy for more information.
#1007
June 3 · 17 min
Bonus: News flash — dbt Core v2.0
Hugo och Johnny reagerar på veckans stora nyhet: dbt Core v2.0 är här — omskrivet i Rust, open sourceat under Apache 2-licens, och med sqlmesh bästa feature inbyggd. Men hur hamnade vi här? dbt köpte SDF. Fivetran köpte sqlmesh. Fivetran köpte dbt. På några månader förvandlades modern data stack från ett ekosystem till ett konglomerat — och oron för closed source var inte obefogad. Nu verkar Fivetran/dbt Labs ändå ha valt rätt väg. dbt Fusion-motorn är öppen, community:t välkomnas tillbaka, och prestandan lovar att bli dramatiskt bättre för den som jobbar mot Snowflake, BigQuery eller Databricks. Hugo och Johnny reder ut vad som faktiskt förändras, vad som kostar extra, och om man nu äntligen kan sluta oroa sig. Referenser dbt Core v2 — release blog — officiellt tillkännagivande av version 2.0 dbt Core — open source transformationsverktyg för data dbt Fusion — ny Rust-baserad motor i dbt Core v2.0 dbt State — stateful körning; kör bara om modeller där data förändrats Fivetran — ELT-verktyg för datainladdning; förvärvade dbt Labs och sqlmesh sqlmesh — tidigare dbt-konkurrent, nu donerad till Linux Foundation SDF — Rust-baserat verktyg som dbt förvärvade; grund till Fusion-motorn Snowflake Summit — konferens där dbt Core v2.0 offentliggjordes Dremio — data lakehouse-plattform; adapter för dbt Fusion saknas ännu Apache 2-licens — öppen licens som tillåter kommersiell användning och vidareutveckling Elastic License 2.0 — tidigare licens för Fusion; begränsade managed service-användning Linux Foundation — tog över förvaltningen av sqlmesh efter Fivetran-förvärvet Hosted on Acast. See acast.com/privacy for more information.
#50
June 1 · 37 min
50. Så förstår SVT sina tittare med AI m. Daniel Hansson
Daniel Hansson driver konsultbolaget Signific och har de senaste fem åren byggt Mother Brain – SVT:s egenbyggda system för demokratisering av insikter. Fyrtiofyra procent aktiv adoption i en organisation med tusen möjliga användare. Det är inte en slump. I det här avsnittet pratar Daniel och Benny om vad som krävs för att ett självserviceverktyg faktiskt används: snabba laddningstider som en icke-förhandlingsbar princip, transparens om sin egen adoption varje vecka i Slack, och modet att kavla upp ärmarna när datan är dåligt tvättad. Vi pratar också om hur SVT det senaste året byggt ett agentflöde som automatiserat analyserar episoder – vad engagerar, vad inte, och varför standup visade sig vara det absolut sämsta test-caset. Plus: hur balanserar man algoritmstyrning med ett publicistiskt uppdrag? Referenser Signific – Daniels konsultbolag inom data och produktutveckling Eric Ries – The Lean Startup Foo Café – Malmö-baserat tech-community Mother Brain – SVT:s interna BI- och insiktssystem Daniels artikel: Agentic and Automated TV Program Analysis at SVT Tableau – BI-verktyg Looker – BI-verktyg Allsång på Skansen – SVT-program, första testkasset för episodanalys Historien om Sverige – SVT-dokumentärserie, nämnd i engagemangsanalysen EBU – European Broadcasting Union Playmaker AI – sportvisualisering, nämnd som inspiration för trendlinjevisualisering Gemini – används för kvalitetssäkring i SVT:s agentflöden Anthropic / Claude – används i SVT:s agentflöden Hosted on Acast. See acast.com/privacy for more information.
#49
May 18 · 49 min
49. Discovery är den nya flaskhalsen m. Martin Mazur
Martin Mazur har jobbat med mjukvaruutveckling och tekniskt ledarskap i tjugo år. Han lyssnade på vårt förra avsnitt om spec-driven development och agilt – och ville hoppa in i samtalet. Så det fick han göra. Vi pratar om varför spec-driven development inte har ett dugg med Vattenfall att göra. Spec är inte ett kravdokument för människor – det är kontext för maskinen. Martin förklarar varför det är en avgörande skillnad. Vi diskuterar också vad som händer med mjukvaruutvecklare när kodning blir commoditized, hur produktorganisationer är bättre rustade för AI-eran än de som fortfarande kör feature factories – och varför vi befinner oss i det Martin kallar "hobbyfasen" av agentisk utveckling. Och: har vi en AI-bubbla på gång? Ja, troligen. Och det kanske inte är så farligt som det låter. Det här avsnittet finns även som video – se det här. Referenser Martin Mazur – konsult och rådgivare inom tekniskt ledarskap och mjukvaruorganisationer Agile Manifesto – manifestet som startade Agile-rörelsen Bennys agila manifest för AI-assisterad kodning – Bennys ramverk för hur agila principer kan tillämpas i AI-assisterad mjukvaruutveckling Spec-driven development – utvecklingsmetodik där specifikationer ger kontext till AI-agenter Claude Code – Anthropics terminalbaserade kodagent Melissa Perri – produktstrateg, Product Operations Model Marty Cagan – SVPG, empowered product teams Empowered engineer – Kagans koncept om självständiga produktteam Fake door testing – metod för att validera idéer innan man bygger Mechanical Turk – manuell simulering av automatiserade processer för validering Dotcom-bubblan – spekulationsbubblan kring internetbolag runt år 2000 S-kurvan för innovation – modell för hur teknologier sprids och mognar Kodsnack – svensk podd om mjukvaruutveckling Datastudion avsnitt 48 m. Jakob Wolman – föregående avsnitt om AI, agilt och spec-driven development Hosted on Acast. See acast.com/privacy for more information.
#1006
May 13 · 36 min
Bonus: Ett decennium i data
Hugo och Johnny har snart jobbat ett decennium i datavärlden – och i det här avsnittet stannar de upp och reflekterar. Vilka branscher har de egentligen rört sig i? Vad är den gemensamma nämnaren i alla uppdrag? Och varför är det så svårt att få ett bolag att på riktigt bli datadrivet? De pratar om lärdomen att alltid fråga "varför?" innan man börjar bygga, om dashboards som aldrig används, och om varför domänkunskap är minst lika viktigt som tekniken. Plus: vad tror de att de nästa tio åren har att erbjuda – och vilken roll spelar AI i det? Det här avsnittet finns även som video – se det här. Hosted on Acast. See acast.com/privacy for more information.
#1005
May 8 · 22 min
Bonus: Data Innovation Summit 2026
Hur är egentligen känslan på Nordens största datakonferens? Är det talksen, människorna eller bara rökmaskinerna som gör upplevelsen? I detta bonusavsnitt summerar Benny och Johannes sina erfarenheter från Data Innovation Summit 2026. Vi pratar om AI-överflöd, halvinspirerande talks, varför golvet ofta är mer värdefullt än scenerna och hur konferenser egentligen handlar mer om människor än presentationer. Ett samtal om community, networking och varför de bästa diskussionerna ofta händer mellan sessionerna. Hosted on Acast. See acast.com/privacy for more information.
#48
May 5 · 37 min
48. Vad är kvalitet? m. Martin Pihl
Vad betyder egentligen kvalitet och vem äger ansvaret? Den som producerar datan, den som testar eller den som fattar beslutet? I det här avsnittet pratar Benny, Hugo och vår gäst Martin om likheterna mellan test och data. Vi går igenom varför “good enough” ofta är verkligheten, hur bristande domänkunskap kan leda till fel beslut och varför kvalitet i slutändan handlar mer om förtroende än perfekta siffror. Ett samtal om ansvar, kompromisser och varför det enkla svaret nästan aldrig är hela sanningen. Hosted on Acast. See acast.com/privacy for more information.
#1004
April 27 · 24 min
Bonus: Product Engineer – ett nytt enmansband i orkestern?
Tor började på Data Dao för ett par veckor sedan. Innan han ens hunnit lära sig var kaffemaskinen står hade han lyssnat igenom halva poddens backkatalog på pendeln. Nu sitter han i studion. Hugo och Erik hälsar välkommen med den enda rimliga frågan: vem är du egentligen, Tor? Vi hör om resan från industriell ekonomi i Lund, fyra år som finansanalytiker på Riksbanken och ett drygt decennium inom kapitalförvaltning och data – via Skottland – till att nu vilja röra sig fritt över hela produktutvecklingsspektrat som product engineer. Det snackas Swinglish, pensionsportföljer, AI som inlärningsverktyg och vad som händer när ett enmansband börjar ha egna åsikter. Hosted on Acast. See acast.com/privacy for more information.
#47
April 20 · 36 min
47. Äger du din AI, eller hyr du den? m. Johan Gärdebo
Johan Gärdebo är historiker och medgrundare till datasuveränitetsbolaget Thala. Han har forskat om hur Sverige använt geodata för att positionera sig internationellt – och den resan ledde honom rakt in i AI-frågorna. I det här avsnittet pratar Hugo och Johan om vad AI-suveränitet egentligen innebär. Inte som ett på/av-läge, utan som en gradskala av beroenden. Vems modeller tränar vi på? Vems hårdvara kör vi dem på? Och vad händer när den där Nvidia-dealen faller igenom? Vi reder ut memen "Americans innovate, Chinese replicate, EU regulate" – varför den är sann, varför den är orättvis, och vad Europa faktiskt kan göra i stället för att välja mellan en egen IT-avdelning och en egen juridisk avdelning. Plus: varför en erfaren gamer kanske har bättre förutsättningar än en högskoleutbildad mjukvaruutvecklare. Och varför AI i grunden är ett koordineringsproblem, inte ett intelligenskappslopp. Referenser Johan Gärdebo – historiker och medgrundare, Thala Thala – datasuveränitetsbolag Palantir – amerikanskt dataanalysbolag, känt för "forward deployment" Nvidia – tillverkare av AI- och GPU-komponenter Geodata – geografisk information och miljödata AI-suveränitet – digital självständighet och kontroll över egna system GDPR – EU:s dataskyddsförordning AI Act – EU:s reglering av AI-system Galileo – Europas eget satellitnavigeringssystem Daft Punk – Harder, Better, Faster, Stronger Hosted on Acast. See acast.com/privacy for more information.
#46
April 6 · 38 min
46. AI, agile och vattenfall m. Jakob Wolman
Jakob Wolman – mjukvaruutvecklare, agile coach och engineering manager med rötter i Malmö och Köpenhamn – gästar Datastudion för ett samtal som startade i ett LinkedIn-inlägg av Benny. Frågan: när kostnaden för att skriva kod går mot noll, vad händer med det agila arbetssättet? Plötsligt verkar det logiskt att lägga all energi på kravspecen igen – och låta AI sköta implementationen. Men är det verkligen vattenfall, eller är det något nytt? Vi landar i feedback loops, flaskhalsar som flyttar sig ett steg, Lean-tankar om att återinvestera frigjord tid – och varför marshmallow-utmaningen avslöjar mer om hur vi egentligen tänker än vad något agilt ramverk gör. Referenser Jakob Wolman – mjukvaruutvecklare, agile coach, engineering manager Øredev – teknikkonferens i Malmö RUP – Rational Unified Process, strukturerad mjukvarumetodik Vattenfall/Waterfall – sekventiell projektmetodik Agile – iterativ mjukvaruutveckling Lean – minimera slöseri, maximera flöde Theory of Constraints – identifiera och hantera flaskhalsar Kanban – visuell metod för arbetsflöde Beyond Budgeting – rörelse mot mer adaptiv budgetering Susanne Kaiser – föreläsare och författare om flow och mjukvaruorganisation The Marshmallow Challenge – övning i iterativt tänkande och teamdynamik Nobody ever gets credit for fixing problems that never happen – Repenning & Sterman, artikel om kvalitet och återinvestering Spec-driven development – kravspecifikation som driver implementation Claude Code – Anthropics CLI-verktyg för agentisk kodning MCP – Model Context Protocol – standard för att koppla AI-agenter till externa verktyg Kordsnack – podd om IT, nämns i samband med COBOL-avsnitt COBOL – programspråk vanligt inom mainframe, särskilt banker Mainframe – storskaliga datorsystem, fortfarande i bruk inom finans Bill Gates TED Talk – om noll vs nästan noll (referens till skillnad på noll och nästan noll) Nick Borgen – World Wide Web – låt nämnd som historisk parallell till AI-hypen Hosted on Acast. See acast.com/privacy for more information.
#45
March 24 · 23 min
45. Sömnbrist, oro och AI-assisterad kodning
Hugo är tillbaka från föräldraledigheten – och har spenderat en del av den med att doomscrolla på LinkedIn och oroa sig för att bli obsolet. Har han det? Benny satte sig ner en dag och vibe-kodade en Slackbot på 27 minuter. Det tog sedan tolv timmar till att den kändes okej. Han är fortfarande stolt. I det här avsnittet pratar vi om hur mjukvaruutveckling faktiskt ser ut nu – och om det verkligen är ett skifte eller om vi bara har fått ett bättre tangentbord. Vi går igenom CLAUDE.md, varför du bör byta fönster oftare än du tror, och varför det fortfarande inte är för sent att hoppa på tåget. Spoiler: det byter lok hela tiden. Referenser Vibe coding – kodning med AI-assistans där man beskriver vad man vill ha i fritext LLM – Large Language Model, stora språkmodeller som ChatGPT och Claude Claude Code – Anthropics CLI-verktyg för AI-assisterad utveckling CLAUDE.md – instruktionsfil som styr hur Claude Code beter sig i ett projekt Visual Studio Code – populär kodredigerare ChatGPT – OpenAIs AI-assistent Flask – lättviktigt Python-webbramverk FastAPI – modernt Python-ramverk för API-utveckling Slack API – Slacks API för att bygga bottar och integrationer RAG – Retrieval-Augmented Generation, teknik för att ge AI tillgång till extern information Spec-driven development – utvecklingsmetodik där man specificerar beteende innan man kodar MVP – Minimum Viable Product, minsta möjliga fungerande produkt SLP – Speledarens person, NPC i rollspelssammanhang Hosted on Acast. See acast.com/privacy for more information.
#44
Oct 28, 2025 · 33 min
44. Varför medelvärden lurar oss
När Bill Gates kliver in på en bar blir alla där plötsligt miljonärer - i genomsnitt. Men det säger förstås ingenting om hur verkligheten faktiskt ser ut. I det här avsnittet pratar Benny och Johnny om hur medelvärden kan lura oss att tro att vi förstår mer än vi gör, och varför genomsnitt ofta förväxlas med ”det normala”. De utforskar hur små perspektivskiften kan förändra sättet vi tolkar data, varför osäkerhet är något att omfamna snarare än dölja, och hur vi kan kommunicera data mer ärligt genom att prata om spridning, intervall och kontext istället för bara snitt. 👉 Läs mer på scb.se om hur statistik egentligen presenteras 👉 Johnny Dangs presentation från Öredev: "Speak Uncertainty with Confidence". 👉 Dunning-Kruger-effekten. Hosted on Acast. See acast.com/privacy for more information.
#43
Sep 30, 2025 · 25 min
43. Data storytelling - vägledning eller manipulation?
Hur mycket ska en analytiker egentligen ”berätta en historia” med data? Benny och Alex diskuterar när storytelling blir nödvändigt för att nå fram – och när det riskerar att förvränga. Vi pratar om Cassie Kozyrkovs tes att ”analytics is not storytelling”, Brent Dykes dramaturgiska kurva inspirerad av Spider-Man och varför insikter ibland måste paketeras som en berättelse för att skapa tydlighet och förståelse hos mottagaren. 👉 Läs Cassie Kozyrkovs blogg: Analytics is not Storytelling 👉 Läs Brent Dykes blogg: Effective Data Storytelling 101 Hosted on Acast. See acast.com/privacy for more information.
#42
Sep 2, 2025 · 41 min
42. GUI vs Kod – Är drag & drop lösningen eller en genväg till teknisk skuld?
I avsnitt 42 av Datastudion tar Benny, Johnny och Erik sig an ett klassiskt databråk: grafiska ETL-verktyg (där du bygger flöden med drag & drop) kontra att skriva kod själv. Vad är egentligen snabbast, bäst och mest hållbart? Vi pratar om skalbarhet, testning, versionshantering – och varför det ofta känns som att gå från LEGO till Duplo när du byter från kod till GUI. Det är enklare att komma igång, men du tappar ofta kontrollen över detaljerna. Samtidigt finns det tillfällen där GUI faktiskt är rätt val. När? Varför? Och vad kostar det i längden? Hosted on Acast. See acast.com/privacy for more information.
#41
Aug 19, 2025 · 47 min
41. MCP: USB-C för AI-agenter?
MCP, Model Context Protocol, beskrivs redan som USB-C för agenter. Men vad betyder det egentligen och varför borde du bry dig? I det här avsnittet pratar Hugo, Alex och Erik om vad en MCP-server är, hur den kan göra LLM:er mer användbara och varför standarden kan bli lika självklar som REST en gång blev. Du får höra skillnaden mellan MCP och vanliga API:er, hur protokollet kan minska hallucinationer och exempel från Git, PowerPoint och dbt. Vi pratar också om vad detta betyder både för utvecklare, företag och mer vardagliga användare. Kort sagt handlar det om steget som kan göra AI-agenter från pratiga chatbots till faktiska assistenter. 👉 Läs mer om Model Context Protocol (Anthropic) 👉 Testa själv: GitHub-exempel på MCP-servers Hosted on Acast. See acast.com/privacy for more information.
#40
Aug 4, 2025 · 47 min
40. Kan AI tänka? m. Peter Gärdenfors
I juni fick vi möjligheten att prata med Peter Gärdenfors, Professor i Kognitionsvetenskap på Lunds Universitet. I detta avsnitt får ni hänga med där Peter går till botten med ordet “intelligens”. Han förklarar varför vi människor felaktigt tror att AI kan tänka, på grund av deras fantastiska språkkompetens. Varför är IQ ett dåligt mått på intelligens, och hur bör man utvärdera intelligens istället? Kan man modellera känslor eller empati hos AI? Och varför måste AI ta klivet in i den fysiska världen innan den kan bli en Artificiell Generell Intelligens (AGI)? Ett sant nöje att få bli inspirerad av Peter. Bli det du också! Referenser Numerisk Analys Hålkort AI-vintern Antropomorphism Alphafold → nya protein Turing-test IQ-test Psykolog William Stern Reglerteknik Förstärkningsinlärning Homeostas Apa Experiment Affective computing Trolley Problem Nick Boström Max Tegmark Olle Häggström Hosted on Acast. See acast.com/privacy for more information.
#39
Jun 23, 2025 · 46 min
39. Från kaos till cykelhjul - organisera ditt datateam rätt
I det här avsnittet pratar Johnny, Erik och Benny om en av de mest återkommande och frustrerande frågorna i dataorganisationer: centralt eller distribuerat? Vi pratar om flaskhalsar, ensamhet i produktteam, UX-paralleller, och varför ett cykelhjul kan vara lösningen. Du får höra om misstag vi gjort, modeller vi testat – och varför det aldrig finns ett rätt svar. Vi bjuder på konkreta tips, en möjlig resplan för datateamets utveckling och ett gäng varningsflaggor att hålla utkik efter. Vill du veta när det är dags att bygga plattformsteam, när du bör sprida ut kompetens – och hur du undviker att fastna i organisationskaos? Då är det här avsnittet för dig. Har du feedback eller ämnesförslag? Hör av dig till datastudion@datadao.se! Hosted on Acast. See acast.com/privacy for more information.

Showing 1–20 of 22 episodes