Datagranskning

Ansvarsfull AI-datahantering

Maria Prokofieva

Lead ML engineer

Vad vi går igenom

• Datagranskning
• Datavalidering
• Strategier för att motverka bias

Datagranskning

• Fullständig datautvärdering under projektets livscykel

• Kontroll av tekniskt och ansvarsfullt tillstånd

• Utförs efter en större förändring i projektet

• Uppdaterad dokumentation för granskning

Genomföra datagranskning

• Utförs regelbundet
• Förhindrar att problem oavsiktligt introduceras
• Skyddar mot komplikationer och förstärkning av fel
• Säkerställer transparens och ansvarsskyldighet
• Bygger förtroende

AI-finansiell rådgivare

• Beteendeprofil och planeringsmål
• Utveckla en strategi
• Matcha mål med investeringsprodukter
• Skapa investeringsportfölj

Datakällor:

• Användardata från chatt och uppladdningar
• Externa realtids- och historiska data (Bloomberg)

¹ Bild av Streamline HQ

Projektets datakällor

• Användarinmatad data
• Externa data via API

¹ Bild av Streamline HQ

Upplägg för datagranskning

Använd datahanteringsplan:

• Information om data
• Granskningsfrekvens
• Nödvändiga tester
• Tilldelade teammedlemmar

¹ Bild av Streamline HQ

Schema för datagranskning

• Inledande datautforskning
• Regelbundna granskningar vid förbehandling och modellering
• Vid väsentliga dataförändringar

¹ Bild av Streamline HQ

Löpande datagranskning

• Regelbunden löpande övervakning
• Datakvalitet och regelefterlevnad
• Modellprestanda och rättvisemått
• Dataanvändning och lagring
• Säkerhet och skalbarhet

Modelldrift

• Modellen kan bli mindre noggrann med tiden
• Samhällsförändringar, marknadsvillkor eller underliggande variabler
• Identifiera modelldrift genom att logga prediktioner och utvärdera prestandamått
• Avisering om mått överskrider tröskelvärde
• Åtgärda genom att söka ny data eller omträna modellen

Datagranskning för AI-finansiell rådgivare

• Inledande datautforskning
• Förbehandling med transformationer och rensning
• Modellering med rättvisebedömning
• Granskning inför driftsättning
• Löpande övervakning

¹ Bild av Streamline HQ

Nu kör vi en övning!

Ansvarsfull AI-datahantering