適切なデータの取得

Artificial Intelligence (AI) Strategy

Vidhi Chugh

AI strategist and ethicist

データの可用性

• データが多いほど -> モデルの精度が向上する

• データの量だけでなく
• ラベリング、品質、鮮度も重要

• モデルが根本的なパターンを捉える

• データ中心の科学
• データを体系的に整備する

データの関連性

 

• パターンの豊富さと関連性
• 無関係なデータはモデルを誤誘導し、精度を下げる

 

• 例：信用スコアリングモデル
  • 関連する属性
  • 取引履歴
  • 資産プロファイル

 

時間的関連性

• パンデミック後、サプライチェーンの動態が変化した

データプライバシー

 

• 機密性の高いユーザーデータ

• GDPRなどのデータプライバシー基準

 

• 倫理的な慣行

• ユーザーの信頼を高める

データ辞書

 

• 各データフィールドの意味と重要性を示す

 

• ドメイン専門家がデータとビジネス判断を結びつける

 

• 冗長なデータはモデル予測に価値をもたらさない

 

データサンプリング

• データ量が多い場合
• サンプリングデータセットを作成する
• 経済的でありながら同等の結果を得られる

データ拡張

• データが不十分な場合は？
• データ拡張 - 既存データセットから新しいレコードを生成する

データの多様性

 

• 信頼性の高いモデルを構築する

• モデル精度の向上

• 例：ローン審査

  • 異なる年齢層や民族を含める

 

データ品質

 

• 完全かつ包括的であること
• 正確なデータ（年齢と生年月日など）

 

• 欠損データ
• 正確なデータラベル

練習しましょう！

Artificial Intelligence (AI) Strategy