Att hitta rätt data

Artificiell intelligens (AI) – strategi

Vidhi Chugh

AI strategist and ethicist

Datatillgänglighet

Mer data -> bättre modellresultat

Modellresultat

Inte bara datamängden
Märkning, kvalitet och aktualitet

Modellen fångar underliggande mönster

Underliggande mönster

Datacentrerad vetenskap
Systematisk datahantering

Datarelevans

Mönstrens rikedom och relevans
Irrelevant data vilseleder modellen -> lägre noggrannhet

Exempel: kreditvärderingsmodell
- Relevanta attribut
- Transaktionshistorik
- Tillgångsprofil

Tillgångsprofil

Tidsrelevans

Försörjningskedjans dynamik har förändrats efter pandemin

Försörjningskedja

Dataintegritet

Känsliga användardata

Känsliga data

Dataskyddsstandarder, t.ex. GDPR

Etiska metoder

Etiska metoder

Skapar användarförtroende

Dataordlista

Förklarar datafältens betydelse och relevans

Domänexperter kopplar data till affärsbeslut

Redundant data tillför inget värde till modellens prediktioner

Dataordlista

Datasampling

Tid

Vid arbete med stora datamängder
Skapa en samplet datamängd
Jämförbara resultat till lägre kostnad

Budget

Datasampling

Dataaugmentering

Vänta

Men vad händer om data inte räcker?
Augmentera data – skapa nya poster från befintliga datamängder

Missad möjlighet

Augmentering av nya bilder

Datadiversitet

Skapar tillförlitliga modeller
God modellnoggrannhet
Exempel: låneansökan
- Inkludera olika åldersgrupper och etniciteter

Låneansökan

Datakvalitet

Fullständig och heltäckande
Korrekta data; ålder och födelsedatum

Fullständig och heltäckande

Saknade data
Korrekta dataetiketter

Saknade data

Nu kör vi en övning!

Artificiell intelligens (AI) – strategi

Preparing Video For Download...