Dane

Wdrażanie rozwiązań AI w biznesie

Jacob H. Marquez

Data Scientist

Znaczenie danych

Bez danych nie ma wzorców do nauki
Złe dane, złe wzorce
AI jest tak dobra, jak dane, na których działa

Duże zbiory danych dla AI.

Cztery obszary danych

$$ Pozyskiwanie.

Cztery obszary danych

$$ Wolumen

Cztery obszary danych

$$ Jakość.

Cztery obszary danych

$$ Bezpieczeństwo.

Pozyskiwanie

Rodzaje danych

Dane demograficzne klientów
Informacje sprzedażowe
Stany magazynowe
Wyniki kampanii marketingowych

Łańcuch dostaw

Zaopatrzenie
Transport
Poziomy zapasów

AI do klasyfikacji obrazów

Awarie mechaniczne
Tysiące oznaczonych obrazów

Pozyskiwanie

Własne (first-party)

Kreatywne podejście do gromadzenia danych lub istniejące źródła
Współpraca z innymi zespołami
Wymaga czasu

Zewnętrzne (third-party)

Wyspecjalizowani dostawcy danych
Partnerstwo z innymi firmami

$$ Wolumen.

$$

Im bardziej złożony model, tym więcej danych
Wymagania określa data scientist

Jakość

Nieapetyczne danie.

Jakość

Kompletność.

Jakość

Dokładność.

Jakość

Trafność.

Jakość

Aktualność.

Jakość — stronniczość danych

Definicja: systemowa stronniczość lub uprzedzenia w danych, które mogą prowadzić do błędnych lub niesprawiedliwych wyników

Narzędzia i metody do wykrywania i oceny
Zapobieganie wypaczonym wynikom i stronniczym decyzjom
Odpowiedzialne budowanie AI

Bezpieczeństwo

Korzyści:

Utrzymanie zaufania
Zgodność z przepisami
Ochrona interesów firmy

Środki ochrony:

Usuwanie danych osobowych
Polityki przechowywania danych
Szyfrowanie
Kontrola dostępu

Czas na praktykę!

Wdrażanie rozwiązań AI w biznesie

Preparing Video For Download...