Veri kaynağı sınırlamaları

Sorumlu AI Veri Yönetimi

Maria Prokofieva

Lead ML Engineer

Veri kaynağı ve yaygın sınırlamalar

Yasal uyum
Önyargı
Metodoloji
Alan bilgisinin rolü

Yasal ve erişim temelli sınırlamalar

Belirli proje türleri için verinin sınırlı kullanımı
Ek uyum gereklilikleri
Yüksek maliyet

Veri uyumluluğu

¹ Görsel: Streamline HQ

Veri kaynaklarında önyargı

Sistematik hatalar
Bozulmuş algılar
Düzensiz sonuçlar
Bazı grupları dezavantajlı kılar

Önyargı türleri

Tarihsel önyargı:
- İlgisiz örüntüler ve sonuçlar
Seçim önyargısı:
- Hangi veri noktalarının dahil edileceği
Örnekleme önyargısı
- Kullanılan örnekleme yöntemi

Önyargı ölçeği

¹ Görsel: Streamline HQ

Önyargı ve köken temelli sınırlamalar

Sınırlı veri kapsamı
Kültürel ve coğrafi kısıtlar
Kapsam ve kapsayıcılıkta sınırlı

İnsan grubu

Önyargı ve metodoloji temelli sınırlamalar

Veri toplama yöntemlerinin seçimi
Örnekleme yaklaşımları

Açık avuçlu, yukarı kalkmış çok renkli eller

Alan bilgisi

Sınırlamalar veya gizli önyargılar
Alan uzmanlarıyla erken çalışın
Modellemeden önce sınırlamaları azaltın

Kentsel trafik akışı projesi

Veri kaynakları:

Trafik sayım verileri
Belediye meclisi toplantı notları
GPS izleme verileri

Kentsel trafik akışı projesi

¹ Görseller: Streamline HQ

Kentsel trafik akışı projesi

Tarihsel trafik sayım verileri:

Tarihsel önyargı
Geçmiş kentsel yerleşimler

Toplantı tutanakları verisi:

Seçim önyargısı
Bazı topluluk üyelerinin orantısız temsili

trafik verisi

¹ Görseller: Streamline HQ

Kentsel trafik akışı projesi

GPS İzleme Verileri:

Örnekleme ve seçim önyargıları
Tüm yolcuları temsil etmeyebilir

gps

¹ Görsel: Streamline HQ

Hadi pratik yapalım!

Sorumlu AI Veri Yönetimi

Preparing Video For Download...