Ottenere i dati giusti

Strategia per l'Intelligenza Artificiale (AI)

Vidhi Chugh

AI strategist and ethicist

Disponibilità dei dati

• Più dati -> risultati di modello migliori

• Non solo quantità
• Etichettatura, qualità e tempestività

• Il modello cattura i pattern sottostanti

• Scienza data‑centrica
• Progettare i dati in modo sistematico

Rilevanza dei dati

 

• Ricchezza e rilevanza dei pattern
• Dati irrilevanti fuorviano il modello -> riducono l'accuratezza

 

• Esempio: credit scoring
  • Attributi rilevanti
  • Storico transazioni
  • Profilo degli asset

 

Rilevanza temporale

• Le dinamiche della supply chain sono cambiate dopo la pandemia

Privacy dei dati

 

• Dati sensibili degli utenti

• Standard sulla privacy, ad es. GDPR

 

• Pratiche etiche

• Favorisce la fiducia degli utenti

Dizionario dei dati

 

• Fornisce il significato dei campi e la loro importanza

 

• Gli esperti di dominio collegano i dati alle decisioni di business

 

• Dati ridondanti non aggiungono valore alle previsioni

 

Campionamento dei dati

• Con più dati
• Crea un dataset campionato
• Risultati comparabili con meno risorse

Data augmentation

• E se i dati non bastano?
• Aumenta i dati: crea nuovi record dai dataset esistenti

Diversità dei dati

 

• Crea modelli affidabili

• Buona accuratezza

• Esempio: richiesta di prestito

  • Includi età ed etnie diverse

 

Qualità dei dati

 

• Completi e completi nel dettaglio
• Dati accurati; età e data di nascita

 

• Dati mancanti
• Etichette corrette

Passiamo alla pratica !

Strategia per l'Intelligenza Artificiale (AI)