Beoordeling van de kwaliteit van de dataset

Met de ontwikkeling van AI-modellen in de meeste sectoren van de samenleving is het belang van de gegevens die worden gebruikt om deze modellen te trainen en te testen een belangrijke zorg voor de AI-leverancier. Inzicht in de kwaliteit van de gebruikte datasets, met name in sectoren zoals de landbouw- en agrovoedingssector, waar gegevens zeldzaam kunnen zijn, is dus een voorwaarde om de juiste ontwikkeling van AI-modellen te waarborgen en vertrouwen op te bouwen met betrekking tot deze benaderingen voor de samenleving. Deze dienst is bedoeld om deze uitdaging aan te gaan door de kwaliteit van de door de klant verstrekte datasets te beoordelen. De kenmerken van de datasets die worden geanalyseerd, zijn gebaseerd op een door de AI-gemeenschap overeengekomen definitie: volledigheid, balans, diversiteit, nauwkeurigheid... De kwaliteitsbeoordeling van de dataset begint met het opstellen van de lijst van de beïnvloedende factoren van het systeem die nodig zijn voor de samenstelling van een database. Deze factoren zullen worden geïdentificeerd aan de hand van zowel LNE-expertise als externe bronnen, zoals agrovoedingsdeskundigen. Met behulp van deze factoren analyseert LNE de verdeling (of het gewicht) van de verschillende beïnvloedende factoren in de databases en vergelijkt deze met die onder normale gebruiksomstandigheden om de representativiteit en het evenwicht van de dataset te beoordelen.