डेटा सोर्स की सीमाएँ

जिम्मेदार AI डेटा मैनेजमेंट

Maria Prokofieva

Lead ML Engineer

डेटा सोर्स और आम सीमाएँ

कानूनी अनुपालन
बायस
मेथडोलॉजी
डोमेन नॉलेज की भूमिका

कानूनी और एक्सेस-आधारित सीमाएँ

कुछ प्रकार की परियोजनाओं तक डेटा उपयोग सीमित
अतिरिक्त अनुपालन आवश्यकताएँ
अत्यधिक लागत

डेटा अनुपालन

¹ Image by Streamline HQ

डेटा सोर्स में बायस

सिस्टेमैटिक त्रुटियाँ
धारणाओं में विकृति
असमान परिणाम
कुछ समूहों को नुकसान

बायस के प्रकार

Historical bias:
- अप्रासंगिक पैटर्न और परिणाम
Selection bias:
- किन डेटा पॉइंट्स को शामिल करें
Sampling bias
- सैंपलिंग की विधि

बायस स्केल

¹ Image by Streamline HQ

बायस और उत्पत्ति-आधारित सीमाएँ

डेटा कवरेज सीमित
सांस्कृतिक और भौगोलिक बाधाएँ
स्कोप और समावेशन सीमित

लोगों का समूह

बायस और मेथडोलॉजी-आधारित सीमाएँ

डेटा संग्रहण विधियों का चयन
सैंपलिंग अप्रोचेज

खुले पंजों के साथ ऊपर उठे रंग-बिरंगे हाथ

डोमेन नॉलेज

सीमाएँ या छिपे बायस
शुरुआत में ही डोमेन विशेषज्ञों से जुड़ें
मॉडलिंग से पहले सीमाएँ घटाएँ

अर्बन ट्रैफिक फ्लो प्रोजेक्ट

डेटा सोर्स:

ट्रैफिक काउंट डेटा
सिटी काउंसिल मीटिंग नोट्स
GPS ट्रैकिंग डेटा

अर्बन ट्रैफिक फ्लो प्रोजेक्ट

¹ Images by Streamline HQ

अर्बन ट्रैफिक फ्लो प्रोजेक्ट

ऐतिहासिक ट्रैफिक काउंट डेटा:

Historical bias
पुराने शहरी लेआउट्स

मीटिंग मिनट्स डेटा:

Selection bias
कुछ समुदाय सदस्यों का अनुपातहीन प्रतिनिधित्व

ट्रैफिक डेटा

¹ Images by Streamline HQ

अर्बन ट्रैफिक फ्लो प्रोजेक्ट

GPS ट्रैकिंग डेटा:

सैंपलिंग और चयन बायस
सभी कम्यूटर्स का प्रतिनिधित्व न हो सकता

gps

¹ Image by Streamline HQ

अभ्यास करते हैं!

जिम्मेदार AI डेटा मैनेजमेंट

Preparing Video For Download...