การได้ข้อมูลที่เหมาะสม

กลยุทธ์ปัญญาประดิษฐ์ (AI)

Vidhi Chugh

AI strategist and ethicist

ความพร้อมของข้อมูล

• ข้อมูลมากขึ้น -> ผลลัพธ์ของโมเดลดีขึ้น

• ไม่ใช่แค่ปริมาณข้อมูล
• การติดป้ายชื่อ คุณภาพ และความทันเวลา

• โมเดลจับรูปแบบที่แฝงอยู่ในข้อมูล

• วิทยาศาสตร์ที่เน้นข้อมูลเป็นศูนย์กลาง
• การออกแบบข้อมูลอย่างเป็นระบบ

ความเกี่ยวข้องของข้อมูล

 

• ความหลากหลายและความเกี่ยวข้องของรูปแบบ
• ข้อมูลที่ไม่เกี่ยวข้องทำให้โมเดลเกิดความผิดพลาด -> ลดความแม่นยำ

 

• ตัวอย่าง: โมเดลประเมินเครดิต
  • แอตทริบิวต์ที่เกี่ยวข้อง
  • ประวัติธุรกรรม
  • โปรไฟล์สินทรัพย์

 

ความเกี่ยวข้องด้านเวลา

• ห่วงโซ่อุปทานเปลี่ยนแปลงไปหลังช่วงการระบาดใหญ่

ความเป็นส่วนตัวของข้อมูล

 

• ข้อมูลส่วนตัวที่อ่อนไหว

• มาตรฐานความเป็นส่วนตัวของข้อมูล เช่น GDPR

 

• แนวปฏิบัติด้านจริยธรรม

• สร้างความไว้วางใจจากผู้ใช้

พจนานุกรมข้อมูล

 

• อธิบายความหมายของฟิลด์ข้อมูลต่างๆ และความสำคัญ

 

• ผู้เชี่ยวชาญด้านโดเมนเชื่อมโยงข้อมูลกับการตัดสินใจทางธุรกิจ

 

• ข้อมูลที่ซ้ำซ้อนไม่ช่วยเพิ่มมูลค่าให้การพยากรณ์ของโมเดล

 

การสุ่มตัวอย่างข้อมูล

• เมื่อต้องทำงานกับข้อมูลปริมาณมาก
• สร้างชุดข้อมูลแบบสุ่มตัวอย่าง
• ได้ผลลัพธ์ใกล้เคียงกันแต่ประหยัดทรัพยากร

การเพิ่มข้อมูล

• แต่ถ้าข้อมูลไม่เพียงพอล่ะ?
• เพิ่มข้อมูล - สร้างระเบียนใหม่จากชุดข้อมูลที่มีอยู่

ความหลากหลายของข้อมูล

 

• สร้างโมเดลที่เชื่อถือได้

• ความแม่นยำของโมเดลสูง

• ตัวอย่าง: การสมัครสินเชื่อ

  • ครอบคลุมกลุ่มอายุและชาติพันธุ์ที่หลากหลาย

 

คุณภาพของข้อมูล

 

• ครบถ้วนและสมบูรณ์
• ข้อมูลถูกต้อง เช่น อายุและวันเกิด

 

• ข้อมูลที่หายไป
• ป้ายชื่อข้อมูลที่ถูกต้อง

มาฝึกกันเถอะ!

กลยุทธ์ปัญญาประดิษฐ์ (AI)