Kaggle er en onlineplatform til data science og maskinlæring, som har været ejet af Google siden 2017. Den tilbyder offentlige datasæt, konkurrencer baseret på virkelige problemer, notebooks i browseren med regnekraft og læringsforløb. For organisationer og lærende er den nyttig til at afprøve metoder, sammenligne tilgange eller spotte talenter. Licens og oprindelse for et datasæt bør kontrolleres før brug.
Maskinlæring er en gren af kunstig intelligens, hvor computere udleder mønstre af data i stedet for at få hver regel programmeret eksplicit. Afhængigt af opgaven lærer modeller af mærkede eksempler (overvåget), af umærkede data (uovervåget) eller gennem belønninger (reinforcement). Anvendelserne spænder fra spamfiltre og efterspørgselsprognoser til produktanbefalinger. Kvaliteten afhænger i høj grad af mængden og kvaliteten af træningsdataene.
Jupyter Notebook er en open source-applikation fra Project Jupyter, der kører i browseren og samler eksekverbar kode, resultater, diagrammer og forklarende tekst i ét dokument. Notebooks er udbredt inden for dataanalyse, maskinlæring, forskning og undervisning, fordi hvert trin kan dokumenteres og deles på en sporbar måde. Python er det mest almindelige sprog. Eksempel: En analytiker indlæser salgsdata, renser dem og viser resultaterne som et diagram lige nedenunder.
Inden for AI betyder benchmarking en systematisk sammenligning af modeller eller systemer ud fra definerede opgaver og kriterier. Offentlige benchmarks måler for eksempel almen viden, ræsonnement eller programmeringsevner; til praktisk brug er testcases fra din egen hverdag dog det vigtigste. Typiske kriterier er nøjagtighed, fuldstændighed, svartid og omkostninger. Det hjælper med at afgøre, om en mindre og billigere model er god nok til en opgave.
Træningsdata er de eksempler, som en AI-model lærer mønstre af: store tekstsamlinger til sprogmodeller, mærkede billeder til billedmodeller. Deres kvalitet, mangfoldighed og aktualitet er i høj grad afgørende for, hvor pålidelig og fair en model er, og hvor opdateret dens viden bliver. For organisationer er det også vigtigt, om en udbyder bruger de kundedata, der indtastes, til yderligere træning.
