Selectie van databronnen

Verantwoord AI-gegevensbeheer

Maria Prokofieva

Lead ML engineer

Waarom selecteren?

Borg datakwaliteit
Juridische naleving
Eerlijkheid

Verwarde vrouw kiest tussen twee knoppen en drukt op de blauwe

Stap 1. Projectrelevantie

Relevantie voor projectdoelen
Check op afstemming met
- Vakgebied
- Scope
- Verwachte uitkomsten

Doelpictogram

Stap 2. Integriteit van de databron

Beoordeel integriteit en betrouwbaarheid
Reviews en testimonials
Transparantie in dataverzameling
Naleving en licenties
Hoge kwaliteit: regelmatige updates

Handshake en schild-pictogram

Stap 3. Juridische naleving

Rechtmatigheid van data
Juridische naleving voor het project
Juridisch advies:
- Toepasselijke wetten en beperkingen
- Geanonimiseerde data
- Eisen aan dataveiligheid
Goedgekeurd door juridisch team

wetten

Stap 4. Technische kwaliteit

Structurele integriteit en bruikbaarheid
Volledig
Consistent
Nauwkeurig
Actueel

Keurmerk van kwaliteit

Stap 5. Bias en representativiteit

Analyse van demografische vertegenwoordiging
Beschermde kenmerken
Verdeling van groepen analyseren
Eerlijkheidsmetrics
Data-augmentatie

Stap 6. Selectie

Opnemen als:
- Sluit consistent aan
- Corrigeerbaar via transformatie, augmentatie of algoritmen
Uitsluiten als:
- Schiet tekort op kernpunten
Raadpleeg domeinexperts

Een selectie maken

Project stedelijke verkeersstromen

Databronnen:

Verkeersintensiteitstellingen
Notulen van raadsvergaderingen
GPS-trackingdata
Socialmedia-mentions over verkeerssituatie
Woon-werkverkeerenquête

Project stedelijke verkeersstromen

¹ Afbeeldingen door Streamline HQ

Project stedelijke verkeersstromen

Uitsluiten:

Socialmediadata
Woon-werkverkeerenquête

Aanpassingen:

Notulen raadsvergaderingen
Verkeersintensiteitstellingen
- Extra sensordata
GPS-data
- Extra cameradata

Laten we oefenen!

Verantwoord AI-gegevensbeheer

Preparing Video For Download...