Glosārijs

Garbage in, garbage out (GIGO)

Kas ir Garbage in, garbage out (GIGO)?

„Garbage in, garbage out” („atkritumi iekšā — atkritumi ārā”) apzīmē principu, ka sistēma var sniegt tikai tik labus rezultātus, cik labi ir tās saņemtie dati. MI gadījumā tas attiecas divkārt: nepareizi, novecojuši vai vienpusīgi apmācības vai zināšanu dati noved pie nepareizām vai aizspriedumainām atbildēm. Tērzēšanas robots, kas balstās uz novecojušu cenrādi, nosauks novecojušas cenas. Tāpēc datu kopšana ir pastāvīgs uzdevums katrā MI projektā.

Kā palīdz KI.ordo

Arī KI.ordo atbildes ir atkarīgas no sniegto zināšanu kvalitātes; zināšanu trūkumu saraksts parāda, kuriem jautājumiem trūkst skaidru avotu.

Uzzināt vairāk

Tēmas

Datu kvalitāte
Princips
Zināšanu uzturēšana

Izmēģiniet KI.ordo

Aģenti, plūsmas un veidnes vienā darbvietā – bezmaksas 24 stundu demo.

Sākt demo

← Visi termini

Saistītie termini

Datu tīrīšana

Datu tīrīšana ir nepareizu, dublētu vai nekonsekventu ierakstu atklāšana un labošana datu kopās. Tipiski soļi ir rakstības un datuma formātu vienādošana, lieko atstarpju noņemšana un dublikātu apvienošana, piemēram, „Smith Ltd” un „Smith Limited”. Tīri dati ir priekšnoteikums drošām analīzēm, izsūtnēm un MI lietojumprogrammām.

datu kvalitāte
dublikāti
+1

Veidne

Apmācības dati

Apmācības dati ir piemēri, no kuriem MI modelis apgūst likumsakarības: lielas teksta kolekcijas valodas modeļiem, marķēti attēli attēlu modeļiem. To kvalitāte, daudzveidība un aktualitāte lielā mērā nosaka, cik uzticams un taisnīgs ir modelis un cik aktuālas ir tā zināšanas. Organizācijām ir svarīgi arī tas, vai pakalpojumu sniedzējs ievadītos klientu datus izmanto tālākai apmācībai.

Dati
Training
+1

Datu validācija

Datu validācija pārbauda, vai dati ir pilnīgi, pareizi formatēti un ticami, pirms tos apstrādā tālāk. Tipiskas pārbaudes attiecas uz obligātajiem laukiem, e-pasta adrešu, pasta indeksu vai datumu formātu un loģiskām pretrunām — piemēram, piegādes datumu pirms pasūtījuma datuma. Tādējādi kļūdas tiek atklātas savlaicīgi, nevis pāriet uz pārskatiem, rēķiniem vai MI analīzēm.

datu kvalitāte
pārbaudes
+1

Veidne

Datu pārvaldība

Datu pārvaldība ietver noteikumus, lomas un procesus, kuri nosaka, kam drīkst vākt, izmantot, mainīt un dzēst kurus datus. Tā aptver atbildību par datu kvalitāti, piekļuves tiesībām, glabāšanas termiņiem un datu aizsardzības prasību ievērošanu. Tā ir īpaši svarīga MI projektos, jo modeļi un aģenti ir tikai tik uzticami, cik uzticami ir dati, uz kuriem tie balstās.

datu pārvaldība
atbilstība
+1