Właściwe dane

Strategia AI (sztucznej inteligencji)

Vidhi Chugh

AI strategist and ethicist

Dostępność danych

Więcej danych -> lepsze wyniki modelu

Model outcome

Nie tylko ilość danych
Etykietowanie, jakość i aktualność

Model uchwytuje wzorce w danych

Underlying patterns

Nauka skoncentrowana na danych
Systematyczne porządkowanie danych

Trafność danych

Bogactwo i trafność wzorców
Nieistotne dane wprowadzają model w błąd -> obniżają dokładność

Przykład: model scoringu kredytowego
- Istotne atrybuty
- Historia transakcji
- Profil majątkowy

Assets profile

Aktualność danych

Pandemia zmieniła dynamikę łańcuchów dostaw

Supply chain

Prywatność danych

Wrażliwe dane użytkowników

Sensitive data

Standardy ochrony danych, np. GDPR

Etyczne praktyki

Ethical practices

Buduje zaufanie użytkowników

Słownik danych

Objaśnia poszczególne pola danych i ich znaczenie

Eksperci dziedzinowi łączą dane z decyzjami biznesowymi

Zbędne dane nie poprawiają prognoz modelu

Data dictionary

Próbkowanie danych

Time

Gdy masz do czynienia z dużą ilością danych
Utwórz próbkowy zbiór danych
Porównywalne wyniki przy niższych kosztach

Budget

Data sampling

Augmentacja danych

Wait

Co jednak, jeśli danych jest za mało?
Augmentacja danych — tworzenie nowych rekordów z istniejących zbiorów

Lost opportunity

Augmenting new images

Różnorodność danych

Budowanie wiarygodnych modeli
Dobra dokładność modelu
Przykład: wniosek kredytowy
- Uwzględnij różne grupy wiekowe i narodowości

Loan application

Jakość danych

Kompletne i wyczerpujące
Dokładne dane; wiek i data urodzenia

Complete and comprehensive

Brakujące dane
Prawidłowe etykiety danych

Missing data

Czas na praktykę!

Strategia AI (sztucznej inteligencji)

Preparing Video For Download...