Ocena jakości zbioru danych

Wraz z rozwojem modeli sztucznej inteligencji w większości sektorów społeczeństwa znaczenie danych wykorzystywanych do trenowania i testowania tych modeli było ważnym problemem dla dostawcy sztucznej inteligencji. Zrozumienie jakości wykorzystywanych zbiorów danych, zwłaszcza w sektorach takich jak rolnictwo i sektor rolno-spożywczy, w których dane mogą być rzadkie, jest zatem warunkiem wstępnym zapewnienia prawidłowego rozwoju modeli sztucznej inteligencji i budowania zaufania społeczeństwa do tych podejść. Usługa ta ma na celu sprostanie temu wyzwaniu poprzez ocenę jakości zbiorów danych dostarczanych przez klienta. Cechy zbiorów danych, które będą analizowane, opierają się na uzgodnionej przez społeczność AI definicji: kompletność, równowaga, różnorodność, dokładność... Ocena jakości zbioru danych rozpocznie się od sporządzenia listy czynników wpływających na system niezbędnych do utworzenia bazy danych. Czynniki te zostaną zidentyfikowane zarówno na podstawie wiedzy fachowej LNE, jak i źródeł zewnętrznych, takich jak eksperci ds. produktów rolno-spożywczych. Wykorzystując te czynniki, LNE przeanalizuje rozkład (lub wagę) różnych czynników wpływających w bazach danych i porówna je z rozkładem w normalnych warunkach użytkowania w celu oceny reprezentatywności i równowagi zbioru danych.