SL
PrijavaZačnite zdaj
Slovar pojmov

Garbage in, garbage out (GIGO)

Kaj je Garbage in, garbage out (GIGO)?

„Garbage in, garbage out“ (smeti noter, smeti ven) opisuje načelo, da sistem lahko da le tako dobre rezultate, kot so podatki, ki jih prejme. Pri UI to velja dvojno: nepravilni, zastareli ali enostranski učni podatki ali podatki o znanju vodijo do napačnih ali pristranskih odgovorov. Klepetalni robot, ki se opira na zastarel cenik, bo navajal zastarele cene. Skrb za podatke je zato stalna naloga v vsakem projektu UI.

Kako pomaga KI.ordo

Tudi v KI.ordo so odgovori odvisni od kakovosti zagotovljenega znanja; seznam vrzeli v znanju pokaže, za katera vprašanja ni jasnih virov.

Več o tem : Garbage in, garbage out (GIGO)

Teme

  • Kakovost podatkov
  • Načelo
  • Vzdrževanje znanja

Preizkusite KI.ordo

Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.

Začni predstavitev
← Vsi pojmi

Sorodni pojmi

Čiščenje podatkov

Čiščenje podatkov je odkrivanje in popravljanje napačnih, podvojenih ali neskladnih vnosov v podatkovnih zbirkah. Tipični koraki so poenotenje zapisov in oblik datumov, odstranjevanje odvečnih presledkov in združevanje podvojenih vnosov, kot sta „Novak d.o.o.“ in „Novak, družba z omejeno odgovornostjo“. Čisti podatki so pogoj za zanesljive analize, pošiljanje in aplikacije UI.

  • kakovost podatkov
  • podvojeni vnosi
  • +1
Predloga

Podatki za učenje

Podatki za učenje so primeri, iz katerih se model UI uči vzorcev: velike zbirke besedil za jezikovne modele, označene slike za slikovne modele. Njihova kakovost, raznolikost in aktualnost v veliki meri določajo, kako zanesljiv in pošten je model ter kako sodobno je njegovo znanje. Za organizacije je pomembno tudi, ali ponudnik vnesene podatke strank uporablja za nadaljnje učenje.

  • Podatki
  • Training
  • +1

Preverjanje podatkov

Preverjanje podatkov ugotavlja, ali so podatki popolni, pravilno oblikovani in verjetni, preden se obdelajo naprej. Tipična preverjanja zajemajo obvezna polja, obliko e-poštnih naslovov, poštnih številk ali datumov ter logična nasprotja – na primer datum dobave pred datumom naročila. Tako se napake odkrijejo zgodaj, namesto da bi se prenesle v poročila, račune ali analize UI.

  • kakovost podatkov
  • preverjanja
  • +1
Predloga

Upravljanje podatkov

Upravljanje podatkov zajema pravila, vloge in procese, s katerimi organizacija določi, kdo sme zbirati, uporabljati, spreminjati in brisati katere podatke. Obsega odgovornost za kakovost podatkov, pravice dostopa, roke hrambe in skladnost z zahtevami varstva podatkov. Posebej je pomembno pri projektih UI, saj so modeli in agenti zanesljivi le toliko, kolikor so zanesljivi podatki, na katere se opirajo.

  • upravljanje podatkov
  • skladnost
  • +1