Beschränkungen von Datenquellen

Verantwortungsvolle KI-Datenverwaltung

Maria Prokofieva

Lead ML Engineer

Datenquellen und häufige Grenzen

Rechtliche Compliance
Bias
Methodik
Rolle von Domänenwissen

Rechtliche und zugangsbedingte Grenzen

Eingeschränkte Datennutzung für bestimmte Projekte
Zusätzliche Compliance
Verbotene Kosten

Daten-Compliance

¹ Bild von Streamline HQ

Bias in Datenquellen

Systematische Fehler
Verzerrte Wahrnehmungen
Ungleiche Ergebnisse
Benachteiligt bestimmte Gruppen

Arten von Bias

Historischer Bias:
- Irrelevante Muster und Ergebnisse
Auswahlbias:
- Entscheidung, welche Datenpunkte einfließen
Stichprobenbias
- Verwendete Stichprobenmethode

Bias-Skala

¹ Bild von Streamline HQ

Bias und herkunftsbedingte Grenzen

Eingeschränkte Datenabdeckung
Kulturelle und geografische Einschränkungen
Begrenzter Umfang und Inklusion

Gruppe von Menschen

Bias und methodenbedingte Grenzen

Wahl der Erhebungsmethoden
Stichprobenansätze

Mehrfarbige, nach oben gestreckte, offene Hände

Domänenwissen

Grenzen oder versteckte Verzerrungen
Früh mit Fachexpert:innen arbeiten
Grenzen vor dem Modellieren mindern

Projekt: städtischer Verkehrsfluss

Datenquellen:

Verkehrszählungen
Protokolle von Stadtratssitzungen
GPS-Tracking-Daten

Projekt: städtischer Verkehrsfluss

¹ Bilder von Streamline HQ

Projekt: städtischer Verkehrsfluss

Historische Verkehrszähldaten:

Historischer Bias
Frühere Stadtstrukturen

Sitzungsprotokolle:

Auswahlbias
Überrepräsentation mancher Gruppen

Verkehrsdaten

¹ Bilder von Streamline HQ

Projekt: städtischer Verkehrsfluss

GPS-Tracking-Daten:

Stichproben- und Auswahlverzerrungen
Spiegelt nicht alle Pendler:innen wider

GPS

¹ Bild von Streamline HQ

Lass uns üben!

Verantwortungsvolle KI-Datenverwaltung

Preparing Video For Download...