Ist das eingesetzte KI-System erfolgreich?

Künstliche Intelligenz verstehen

Maarten Van den Broeck

Senior Content Developer at DataCamp

Wann wird der Erfolg gemessen?

MLOps Methodik Lebenszyklus

Künstliche Intelligenz verstehen

Wann wird der Erfolg gemessen?

Erfolgsmessung über den MLOps-Lebenszyklus

Künstliche Intelligenz verstehen

Leistung offline messen - Genauigkeit

Trainings- und Validierungsdaten

Künstliche Intelligenz verstehen

Leistung offline messen - Genauigkeit

Ein Modell trainieren

Künstliche Intelligenz verstehen

Leistung offline messen - Genauigkeit

Validierung eines Modells mit Testbeispielen

Künstliche Intelligenz verstehen

Leistung offline messen - Genauigkeit

Vergleich der Vorhersagen mit den tatsächlichen Kennzeichnungen

Künstliche Intelligenz verstehen

Leistung offline messen - Genauigkeit

Berechnungsgenauigkeit

Künstliche Intelligenz verstehen

Fehler und andere Messgrößen

Fehlermetrik in Regressionsmodellen

Metriken für Such- und Empfehlungsmaschinen: Ranking-Qualität - Relevanz der Ranking-Elemente für den Nutzer -, Vielfalt in den Suchergebnissen oder Empfehlungen usw.

Rangliste der empfohlenen Produkte

Künstliche Intelligenz verstehen

Erfolg in der Produktion messen

  • Modellverschlechterung: Der gemessene Metrikwert verschlechtert sich im Laufe der Zeit

Modellverschlechterung

  • Geschäftskennzahlen: Key Performance Indicators (KPIs)
    • Indikator für die Leistung und den Fortschritt der Unternehmensziele
Künstliche Intelligenz verstehen

Risiken: Was kann schon schiefgehen?

Zu den möglichen Risiken gehören:

  • Datenverzerrung
  • Mangel an Transparenz
  • Ethische Bedenken
  • Fragwürdige Systemzuverlässigkeit
  • Anfälligkeit für Cyber-Bedrohungen

Proof-of-Concept (PoC):

  • Pilot-Demonstrator zur Validierung von Machbarkeit, Wert und Risikoerkennung
Künstliche Intelligenz verstehen

Lass uns üben!

Künstliche Intelligenz verstehen

Preparing Video For Download...