Bedömning av datasetets kvalitet

Med utvecklingen av AI-modeller inom de flesta samhällssektorer har vikten av de data som används för att träna och testa dessa modeller varit en viktig fråga för AI-leverantören. Att förstå kvaliteten på de dataset som används, särskilt inom sektorer såsom jordbruk och jordbruksbaserade livsmedel där data kan vara sällsynta, är därför en förutsättning för att säkerställa en korrekt utveckling av AI-modeller och bygga upp förtroende för dessa strategier för samhället. Denna tjänst syftar till att svara på denna utmaning genom att bedöma kvaliteten på dataset som tillhandahålls av kunden. Egenskaperna hos de dataset som kommer att analyseras baseras på en överenskommen definition av AI-samhället: fullständighet, balans, mångfald, noggrannhet... Datasetets kvalitetsbedömning börjar med att upprätta en lista över systemets påverkande faktorer som är nödvändiga för upprättandet av en databas. Dessa faktorer kommer att identifieras både med hjälp av LNE-expertis och externa källor, t.ex. experter som är relevanta för jordbruksbaserade livsmedel. Med hjälp av dessa faktorer kommer LNE att analysera fördelningen (eller vikten) av de olika påverkande faktorerna i databaserna och jämföra den med den under normala användningsförhållanden för att bedöma datasetets representativitet och balans.