À suivreGuide suivant
Augmentation des données
Fondamentaux
GUIDE des fondamentaux
IA et données
Les données sont les informations enregistrées qu’un système d’apprentissage automatique apprend ou traite.
Écoutez ce guideNarré par l'IA · ~2 min
Sur cette page2 minutes de lecture
Aperçu
Son utilité dépend de la pertinence, de la qualité des mesures, des autorisations et de la couverture de la tâche envisagée. Un plus grand nombre d'enregistrements ne corrige pas automatiquement les erreurs systématiques ou les populations manquantes.
Points clés à retenir
- Définir l'unité d'un exemple.
- Utilisez uniquement les informations disponibles au moment de la prédiction.
- Suivez la provenance des données, les données manquantes et la couverture des sous-groupes.
Plongée profonde
Commencez par définir ce qu’un exemple représente. Une ligne peut décrire un client, une transaction, une photographie ou un moment d'une série chronologique. Ces unités déterminent le fonctionnement des doublons, des étiquettes et des divisions d'évaluation. Dix mesures effectuées sur un seul appareil ne correspondent pas nécessairement à dix appareils indépendants. Les fonctionnalités sont des entrées disponibles pour le modèle. Les étiquettes sont des résultats cibles utilisés dans l’apprentissage supervisé. Vérifiez quand chaque fonctionnalité devient disponible : un motif d'annulation enregistré après le départ d'un client ne peut pas prédire fidèlement ce départ à l'avance. Il s’agit d’une forme de fuite même lorsque le champ semble hautement prédictif. Inspectez les valeurs manquantes, les désaccords d’annotation, les plages inhabituelles et les changements dans les méthodes de collecte. Les informations manquantes peuvent avoir un sens ; remplacer chaque valeur manquante par zéro peut confondre une quantité inconnue avec un zéro réel. Documentez le traitement et testez-le sur des exemples représentatifs. Enregistrez la provenance et les règles d’accès à côté de l’ensemble de données. Une URL publique à elle seule n’établit pas l’autorisation de réutiliser chaque élément à toutes fins. Collectez uniquement les informations nécessaires à la tâche et définissez les procédures de conservation et de suppression. Évaluez séparément les groupes ou les conditions où les erreurs disparaîtraient autrement dans une moyenne globale.
04Exemple travaillé
Rechercher une fuite dans un ensemble de données d'annulation
Imaginez des enregistrements avec la date d'inscription, l'utilisation mensuelle, la date d'annulation et le motif de l'annulation.
Pour anticiper les annulations début juin, gelez toutes les saisies à cette date. Supprimez les raisons et les dates enregistrées après l’heure de prédiction.
Entraînez-vous sur des périodes antérieures et testez sur une période ultérieure intacte. Comparez les résultats avec et sans les champs divulgués.
Ce que ça montre
Cet exercice de conception hypothétique identifie un raccourci invalide avant qu'un score flatteur ne devienne une décision de déploiement.
Mise en œuvre dans le monde réel
Séparez plusieurs photographies du même objet avant de diviser un ensemble de données de reconnaissance.
Signalez une lecture de capteur en dehors de la plage physiquement plausible pour examen.
Le mettre en pratique
Pourquoi c'est important
- Décisions plus claires. Il vous aide à séparer les affirmations techniques claires du langage marketing.
- Coût et budget. Vous pouvez poser de meilleures questions de mise en œuvre avant de dépenser de l'argent ou du temps.
- Équipe et flux de travail. Les équipes partageant une compréhension commune prennent de meilleures décisions en matière de produits, de politiques et d’apprentissage.
Attention à
- Différentes équipes peuvent utiliser le même terme différemment, alors définissez la portée dès le début.
- Les benchmarks peuvent paraître solides alors que les performances réelles sont inégales.
- Ignorer la qualité des données et les plans d’évaluation crée souvent des résultats fragiles.
Prochaines étapes
- Commencez par une définition en langage simple du résultat dont vous avez besoin.
- Choisissez une mesure de réussite et une condition d’échec avant de tester.
- Exécutez un petit pilote avec des données représentatives, pas un ensemble de démonstration raffiné.
- Documentez où l'IA et les données sont utiles et où les méthodes plus simples sont meilleures.
Sources et lectures complémentaires
Continuez à explorer
Newsletter gratuite
Recevez le briefing quotidien sur l'IA
Trois histoires d'IA vérifiées chaque matin de la semaine, écrites dans un anglais simple. Gratuit pour toujours, sans publicité.
Un e-mail chaque jour de la semaine. Désabonnez-vous en un clic. Nous ne vendons ni ne partageons jamais votre adresse.
Testez-vous
Take the AI & Data quiz
Commentaires instantanés sur chaque réponse et un certificat partageable avec une pièce d'identité vérifiable une fois que vous avez réussi un cours.
Soutenez l’enseignement gratuit de l’IA. AI Understanding est une organisation à but non lucratif 501(c)(3) : pas de publicité, pas de paywall, jamais. Faire un don
Questions fréquemment posées
Un grand ensemble de données peut-il encore être pauvre ?
Oui. Des enregistrements dupliqués, mal étiquetés, non pertinents ou systématiquement incomplets peuvent rendre un vaste ensemble de données inadapté à la tâche prévue.
Continuez à apprendre
Guides associés
Plus de guides sélectionnés pour ce sujet