Dati

Implementare le soluzioni di intelligenza artificiale nelle aziende

Jacob H. Marquez

Data Scientist

Importanza dei dati

Nessun dato, nessuno schema da imparare
Dati sbagliati, schemi sbagliati
L'intelligenza artificiale è buona quanto i dati

Big data per l'intelligenza artificiale.

Le quattro aree per i dati

$$ Acquisizione.

Le quattro aree per i dati

$$ Volume

Le quattro aree per i dati

$$ Qualità.

Le quattro aree per i dati

$$ Sicurezza.

Acquisizione

Tipi di dati

Dati demografici dei clienti
Informazioni sulle vendite
Inventario prodotti
Prestazioni delle campagne di marketing

Catena di approvvigionamento

Approvvigionamento
Trasporto
Livelli di inventario

AI per la classificazione delle immagini

Guasti meccanici
1.000 immagini etichettate

Acquisizione

Prima parte

Creativo sull'acquisizione dei dati o sulle fonti esistenti
Parla con altri gruppi
Prenditi del tempo per acquisire

Terze parti

Specialisti delle fonti di dati
Collabora con altre aziende

$$ Volume.

$$

Più complessità = più dati
Lo scienziato di Machine Learning determinerà i requisiti

Qualità

Un piatto di cibo scadente.

Qualità

Completezza.

Qualità

Accuratezza.

Qualità

Rilevanza.

Qualità

Tempestività.

Qualità: bias dei dati

Definizione: errori sistematici o pregiudizi nei dati che possono portare a risultati imprecisi o ingiusti

Strumenti e metodi per riconoscere e valutare
Impedire risultati distorti e processi decisionali di parte
Sviluppa l'AI in modo responsabile

Sicurezza

Aiuta a:

Mantenere la fiducia
Essere conformi ai regolamenti
Salvaguardare gli interessi aziendali

Misure:

Rimozione degli identificatori personali
Politiche di conservazione
Crittografia
Controllo degli accessi

Passiamo alla pratica!

Implementare le soluzioni di intelligenza artificiale nelle aziende

Preparing Video For Download...