Données

Implémentation IA en entreprise

Jacob H. Marquez

Data Scientist

Importance des données

Pas de données, pas de schémas pour apprendre
Données erronées, schémas erronés
La valeur de l'IA dépend de celle des données

Le big data au service de l'IA

Les quatre domaines pour les données

$$ Acquérir

Les quatre domaines pour les données

$$ Volume

Les quatre domaines pour les données

$$ Qualité

Les quatre domaines pour les données

$$ Sécurité

Acquisition

Types de données

Données démographiques des clients
Informations sur les ventes
Inventaire des produits
Performance des campagnes de marketing

Chaîne d'approvisionnement

Achats
Transport
Niveaux de stock

L'IA pour la classification des images

Défaillances mécaniques
Des milliers d'images étiquetées

Acquisition

Première partie

Création à partir de capture de données ou de sources existantes
S'adresser à d'autres groupes
Prend du temps à acquérir

Tierce partie

Spécialistes des sources de données
Partenariat avec d'autres entreprises

$$ Volume

$$

Plus complexe = plus de données
L’expert en machine learning déterminera les exigences

Qualité

Un mauvais plat

Qualité

Exhaustivité

Qualité

Exactitude

Qualité

Pertinence

Qualité

Rapidité

Qualité - biais des données

Définition : des erreurs systémiques ou des préjugés dans les données qui peuvent conduire à des résultats inexacts ou injustes

Outils et méthodes pour reconnaître et évaluer
Empêcher les résultats biaisés et la prise de décision partiale
Construire l'IA de manière responsable

Sécurité

Aide à :

Maintenir la confiance
Respecter la réglementation
Préserver les intérêts de l’entreprise

Mesures

Suppression des identifiants personnels
Politiques de conservation
Chiffrement
Contrôle d'accès

Passons à la pratique !

Implémentation IA en entreprise

Preparing Video For Download...