Dados

Implementação de Soluções de IA nos Negócios

Jacob H. Marquez

Data Scientist

Importância dos dados

Sem dados, sem padrões para aprender
Dados errados, padrões errados
A IA é tão boa quanto os dados

Big data para IA.

As quatro áreas de dados

$$ Adquirir

As quatro áreas de dados

$$ Volume

As quatro áreas de dados

$$ Qualidade

As quatro áreas de dados

$$ Segurança

Aquisição

Tipos de dados

Dados demográficos dos clientes
Informações de vendas
Inventário de produtos
Desempenho da campanha de marketing

Cadeia de suprimentos

Aquisição
Transporte
Níveis de estoque

IA para classificação de imagens

Falhas mecânicas
Milhares de imagens rotuladas

Aquisição

Primária

Criativo na captura de dados ou em fontes existentes
Falar com outros grupos
Leva tempo para adquirir

De terceiros

Especialistas em fontes de dados
Parceria com outras empresas

$$ Volume.

$$

Mais complexo = mais dados
O cientista de aprendizado de máquina determinará os requisitos

Qualidade

Um prato de comida ruim

Qualidade

Completude

Qualidade

Precisão

Qualidade

Relevância

Qualidade

Pontualidade

Qualidade - viés de dados

Definição: erros sistêmicos ou preconceitos nos dados que podem levar a resultados imprecisos ou injustos

Ferramentas e métodos para reconhecer e avaliar
Evitar resultados distorcidos e decisões tendenciosas
Criar IA de forma responsável

Segurança

Ajuda a:

Manter a confiança
Cumprir os regulamentos
Proteger os interesses comerciais

Medidas:

Remoção de identificadores pessoais
Políticas de retenção
Criptografia
Controle de acesso

Vamos praticar!

Implementação de Soluções de IA nos Negócios

Preparing Video For Download...