Kaggle är en onlineplattform för data science och maskininlärning, som ägs av Google sedan 2017. Den erbjuder offentliga datamängder, tävlingar baserade på verkliga problem, webbläsarbaserade anteckningsböcker med beräkningsresurser och utbildningskurser. För organisationer och den som vill lära sig är den användbar för att prova metoder, jämföra angreppssätt eller hitta talanger. Licens och ursprung för en datamängd bör kontrolleras före användning.
Maskininlärning är en gren av artificiell intelligens där datorer härleder mönster ur data i stället för att varje regel programmeras explicit. Beroende på uppgift lär sig modellerna av annoterade exempel (övervakad inlärning), av oannoterade data (oövervakad inlärning) eller genom belöningar (förstärkningsinlärning). Tillämpningarna sträcker sig från skräppostfilter och efterfrågeprognoser till produktrekommendationer. Kvaliteten beror starkt på mängden och kvaliteten på träningsdata.
Jupyter Notebook är en webbläsarbaserad applikation med öppen källkod från Project Jupyter som kombinerar körbar kod, resultat, diagram och förklarande text i ett enda dokument. Anteckningsböcker används flitigt inom dataanalys, maskininlärning, forskning och undervisning eftersom varje steg kan dokumenteras och delas på ett spårbart sätt. Python är det vanligaste språket. Exempel: en analytiker läser in försäljningsdata, rensar dem och visar resultaten som ett diagram direkt nedanför.
Inom AI innebär benchmarking att systematiskt jämföra modeller eller system med hjälp av definierade uppgifter och kriterier. Offentliga benchmarks mäter till exempel allmänkunskap, resonemangsförmåga eller programmeringsförmåga; för praktisk användning är dock testfall från den egna vardagen viktigast. Typiska kriterier är korrekthet, fullständighet, svarstid och kostnad. Det hjälper till att avgöra om en mindre, billigare modell räcker för en uppgift.
Träningsdata är de exempel som en AI-modell lär sig mönster av: stora textsamlingar för språkmodeller, märkta bilder för bildmodeller. Deras kvalitet, mångfald och aktualitet avgör till stor del hur tillförlitlig och rättvis en modell är och hur aktuell dess kunskap blir. För organisationer spelar det också roll om en leverantör använder de kunddata som de matar in för vidare träning.
