資料

在商業中實作 AI 解決方案

Jacob H. Marquez

Data Scientist

資料的重要性

 

• 沒有資料，就無法學到模式
• 資料不對，學到的模式也會錯
• AI 的好壞取決於資料

 

資料的四大範疇

$$

資料的四大範疇

$$

資料的四大範疇

$$

資料的四大範疇

$$

取得

資料類型

• 客戶族群資料
• 銷售資訊
• 產品庫存
• 行銷活動成效

供應鏈

• 採購
• 運輸
• 庫存水位

影像分類的 AI

• 機械故障
• 上千張已標註影像

取得

 

第一方

• 創意蒐集或利用現有來源
• 與其他團隊溝通
• 取得需要時間

 

第三方

• 資料來源專家
• 與其他企業合作

$$

$$

• 越複雜＝需要越多資料
• Machine Learning 科學家會決定需求

品質

品質

品質

品質

品質

品質－資料偏差

定義： 資料中的系統性錯誤或偏見，可能導致不精確或不公平的結果

• 工具與方法用來辨識與評估
• 避免結果偏斜與決策偏誤
• 負責任地打造 AI

安全

 

有助於：

• 維持信任
• 符合法規
• 保障商業利益

 

措施：

• 去除個人識別資訊
• 保存期限政策
• 加密
• 存取控制

一起來練習吧！

在商業中實作 AI 解決方案