HU
BejelentkezésKezdje el most
Fogalomtár

Garbage in, garbage out (GIGO)

Mi a(z) Garbage in, garbage out (GIGO)?

A „Garbage in, garbage out” („szemét be, szemét ki”) elve azt mondja ki, hogy egy rendszer csak olyan jó eredményt adhat, mint amilyen adatot kap. Ez az MI-re duplán igaz: a hibás, elavult vagy egyoldalú tanító- vagy tudásadatok téves vagy torz válaszokhoz vezetnek. Az a chatbot, amely elavult árlistából dolgozik, elavult árakat fog közölni. Az adatok gondozása ezért minden MI-projektben folyamatos feladat.

Így segít a KI.ordo

A KI.ordo-ban is a válaszok a megadott tudás minőségétől függnek; a tudáshiányok listája megmutatja, mely kérdésekhez hiányoznak egyértelmű források.

További információ : Garbage in, garbage out (GIGO)

Témák

  • Adatminőség
  • alapelv
  • tudásgondozás

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása
← Minden fogalom

Kapcsolódó fogalmak

adattisztítás

Az adattisztítás a hibás, duplikált vagy következetlen bejegyzések felismerése és javítása az adathalmazokban. Tipikus lépései: az írásmódok és dátumformátumok egységesítése, a felesleges szóközök eltávolítása, valamint a duplikátumok – például a „Kovács Kft.” és a „Kovács Korlátolt Felelősségű Társaság” – összevonása. A tiszta adat megbízható elemzések, levelezések és MI-alkalmazások előfeltétele.

  • adatminőség
  • duplikátumok
  • +1
Sablon

Tanítóadatok

A tanítóadatok azok a példák, amelyekből egy MI-modell mintákat tanul: nagy szöveggyűjtemények a nyelvi modellekhez, címkézett képek a képi modellekhez. Minőségük, sokféleségük és aktualitásuk nagyban meghatározza, mennyire megbízható és igazságos egy modell, és mennyire naprakész a tudása. A szervezetek számára az is számít, hogy a szolgáltató a megadott ügyféladatokat felhasználja-e további tanításhoz.

  • Adatok
  • Training
  • +1

Adatvalidálás

Az adatvalidálás azt ellenőrzi, hogy az adatok teljesek, megfelelő formátumúak és hihetők-e, mielőtt tovább dolgoznák fel őket. Tipikus ellenőrzések: a kötelező mezők, az e-mail-címek, irányítószámok vagy dátumok formátuma, valamint a logikai ellentmondások – például a szállítási dátum a megrendelés dátuma előtt. Így a hibák korán kiderülnek, ahelyett hogy átkerülnének jelentésekbe, számlákba vagy MI-elemzésekbe.

  • adatminőség
  • ellenőrzések
  • +1
Sablon

Adatkormányzás

Az adatkormányzás azon szabályok, szerepkörök és folyamatok összessége, amelyekkel egy szervezet meghatározza, ki gyűjthet, használhat, módosíthat és törölhet mely adatokat. Kiterjed az adatminőségért viselt felelősségre, a hozzáférési jogosultságokra, a megőrzési időkre és az adatvédelmi előírások betartására. Különösen fontos MI-projekteknél, mert a modellek és az ügynökök csak annyira megbízhatóak, amennyire az adatok, amelyekből dolgoznak.

  • adatkezelés
  • megfelelőség
  • +1