Veri denetimi

Sorumlu AI Veri Yönetimi

Maria Prokofieva

Lead ML engineer

Neleri ele alacağız

• Veri denetimi
• Veri doğrulama
• Önyargı azaltma stratejileri

Veri denetimi

• Proje yaşam döngüsü boyunca kapsamlı veri incelemesi

• Teknik ve sorumlu durumunu kontrol edin

• Projedeki büyük bir değişiklikten sonra yürütülür

• Denetim için belgeleri güncelleyin

Veri denetimi yürütme

• Sık yapılır
• Sorunların istemeden eklenmesini önleyin
• Karmaşıklıklar ve büyüyen hatalara karşı koruyun
• Şeffaf ve hesap verebilir kalın
• Güven inşa edin

YZ Finansal danışman

• Davranış profili ve plan hedefleri
• Strateji geliştirin
• Hedefleri yatırım ürünleriyle eşleyin
• Yatırım portföyü oluşturun

Veri kaynakları:

• Sohbet ve yüklemelerden kullanıcı verisi
• Harici gerçek zamanlı ve tarihsel veriler (Bloomberg)

¹ Görsel: Streamline HQ

Proje veri kaynakları

• Kullanıcı sağladığı veriler
• API’den dış veriler

¹ Görsel: Streamline HQ

Veri denetimi kurulumu

Veri Yönetim Planını kullanın:

• Verinin ayrıntıları
• Denetim sıklığı
• Gerekli testler
• Atanan ekip üyeleri

¹ Görsel: Streamline HQ

Veri denetimi takvimi

• İlk veri keşfi
• Ön işleme ve modelleme için düzenli denetimler
• Önemli veri değişiklikleri

¹ Görsel: Streamline HQ

Sürekli veri denetimleri

• Düzenli kesintisiz izleme
• Veri kalitesi ve uyumluluk
• Model performansı ve adalet metrikleri
• Veri kullanımı ve depolama
• Güvenlik ve ölçeklenebilirlik

Model kayması

• Model zamanla daha az doğru olabilir
• Toplumsal değişimler, piyasa koşulları veya temel değişkenler
• Tahminleri kaydedip metrikleri değerlendirerek model kaymasını tespit edin
• Metrikler eşik aştığında uyarın
• Yeni veri ekleyin veya modeli yeniden eğitin

YZ finans danışmanı veri denetimleri

• İlk veri keşfi
• Dönüşümler ve temizlik ile ön işleme
• Adalet değerlendirmesiyle modelleme
• Yayın öncesi denetim
• Sürekli izleme

¹ Görsel: Streamline HQ

Haydi pratik yapalım!

Sorumlu AI Veri Yönetimi