Datová kvalita | AI slovník

Odborná definice

Datová kvalita vyjadřuje míru, do jaké data splňají požadavky konkrétního účelu. Při AI se neposudzuje pouze přesnost jednotlivých hodnot, ale i úplnost, konzistentnost, aktuálnost, reprezentatívnost, jednoznačnost, správnost štítků, pokrytí okrajových případů a vhodnost pro cílovou populaci. Dataset může být technicky čistý, ale nekvalitný pro daný model, pokud nezachytáva reálně podmínky použití nebo obsahuje systematické merace a výběrové zkreslení.

Srozumitelné vysvětlení

Kvalitné data nejsou jednoduše data bez prázdnych polí. Databáze může být dokonale vyplnená, ale pokud obsahuje pouze zákazníků z jednoho regiónu, model nebude spolehlivý pro celou krajinu. Kvalita se vždy posuzuje vůči rozhodnutí, které má systém podporit. Jiné kritéria potřebuje doporučení filmu a jiné diagnostický nástroj. Praktická kontrola proto kombinuje statistiky, odborné posouzení, testování skupin, analýzu chyb a sledování toho, jak se data mění po nasazení.

Časté otázky

Které dimenze datové kvality jsou nejdůležitější pro AI?

Závisí to od účelu, často však jde o přesnost, úplnost, konzistentnost, aktuálnost, reprezentatívnost, správnost štítků a sledovatelnost původu.

Může mít dataset vysokou kvalitu a model nízký výkon?

Ano. Model může mít nevhodnou architekturu, cíl, loss, kapacitu nebo trénink. Kvalita dat je nevyhnutná, ale sama sám o sobě úspěch nezaručuje.

Jak se měří reprezentatívnost?

Porovnává se zastoupení relevantních skupin a podmínek s cílovou populací, včetně časových období, regionů, zařízení a vzácných případů.

Co je data quality rule?

Je to strojovo nebo procesne ověřitelná podmínka, například povolený rozsah, unikátnost identifikátora, maximálna chybovost štítků nebo povinná vezba mezi polami.

Kdy je třeba dataset odmítnout?

Když nelze ověřit původ, účel je nezlučitelný s licencí, chýbají klíčové skupiny, chyby jsou systematické nebo oprava nedokáže obnovit důvěryhodnost.

Související pojmy

Zdroje a redakční stopa

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.