Odborná definícia
Odborná definícia
Data quality je miera, do akej sú dáta presné, úplné, konzistentné, aktuálne, reprezentatívne a vhodné pre konkrétny účel AI systému.
Zrozumiteľné vysvetlenie
Zrozumiteľné vysvetlenie
Jednoducho povedané, Data quality je miera, do akej sú dáta presné, úplné, konzistentné, aktuálne, reprezentatívne a vhodné pre konkrétny účel AI systému. V praxi vyžaduje jasné vlastníctvo, dokumentované pravidlá, merateľné kontroly a dohľad primeraný riziku.
Časté otázky
Časté otázky
Čo je Data quality?
Data quality je miera, do akej sú dáta presné, úplné, konzistentné, aktuálne, reprezentatívne a vhodné pre konkrétny účel AI systému.
Na čo sa Data quality používa?
Použitie závisí od konkrétnej úlohy a očakávaného výsledku. V praxi vyžaduje jasné vlastníctvo, dokumentované pravidlá, merateľné kontroly a dohľad primeraný riziku.
Ako sa Data quality overuje v praxi?
Overenie sa robí na reprezentatívnych dátach alebo scenároch, voči jasnej porovnávacej základni a pomocou metrík zodpovedajúcich reálnemu cieľu. Kontrola má zahŕňať aj hraničné prípady, neistotu a prevádzkové náklady.
Aké riziká alebo obmedzenia treba pri Data quality sledovať?
Rizikom je formálna kontrola bez reálneho vlastníka, neúplná dokumentácia a dohľad neprimeraný dopadu. Opatrenia musia mať zodpovednú osobu, dôkaz vykonania a pravidelnú revíziu.
Čím sa Data quality líši od súvisiacich pojmov?
Data quality sa od pojmov Data lineage, Data governance, Ethical AI odlišuje funkciou, vstupmi, spôsobom výpočtu a účelom výsledku. Súvisiace pojmy môžu spolupracovať, nie sú však automaticky zameniteľné.
Súvisiace pojmy
Súvisiace pojmy
Zdroje a redakčná stopa
Zdroje a redakčná stopa
- ISO/IEC 22989:2022
- NIST AI Risk Management Framework 1.0
- OECD AI Principles
- Primárna odborná literatúra podľa typu pojmu
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.