A seguirPróximo guia
Aumento de dados
Fundamentos
GUIA de fundamentos
IA e dados
Dados são as informações registradas que um sistema de aprendizado de máquina aprende ou processa.
Ouça este guiaNarrado por IA · ~2 min
Nesta página2 minutos de leitura
Visão geral
Sua utilidade depende da relevância, qualidade da medição, permissões e cobertura da tarefa pretendida. Mais registros não corrigem automaticamente erros sistemáticos ou populações ausentes.
Principais conclusões
- Defina a unidade de um exemplo.
- Use apenas as informações disponíveis no momento da previsão.
- Rastreie a proveniência dos dados, a ausência e a cobertura de subgrupos.
Mergulho profundo
Comece definindo o que um exemplo representa. Uma linha pode descrever um cliente, uma transação, uma fotografia ou um momento em uma série temporal. Essas unidades determinam como duplicados, rótulos e divisões de avaliação devem funcionar. Dez medições de um dispositivo não são necessariamente dez dispositivos independentes. Recursos são entradas disponíveis para o modelo. Rótulos são resultados-alvo usados no aprendizado supervisionado. Verifique quando cada recurso fica disponível: um motivo de cancelamento registrado após a saída de um cliente não pode prever essa saída de forma justa antes. Essa é uma forma de vazamento mesmo quando o campo parece altamente preditivo. Inspecione valores ausentes, discordâncias de anotação, intervalos incomuns e mudanças nos métodos de coleta. Informações ausentes podem ter significado; substituir cada valor faltando por zero pode confundir uma quantidade desconhecida com um zero real. Documente o tratamento e teste em exemplos representativos. Registre regras de proveniência e acesso junto com o conjunto de dados. Uma URL pública sozinha não estabelece permissão para reutilizar todos os itens para todos os propósitos. Colete apenas as informações necessárias para a tarefa e defina procedimentos de retenção e exclusão. Avalie separadamente grupos ou condições onde erros desapareceriam dentro de uma média geral.
04Exemplo trabalhado
Encontre vazamento em um conjunto de dados de cancelamento
Imagine registros com data de inscrição, uso mensal, data de cancelamento e motivo do cancelamento.
Para prever cancelamentos no início de junho, congele todas as entradas nessa data. Remova razões e datas registradas após o horário de previsão.
Treine em períodos mais antigos e teste em um período posterior intocado. Compare os resultados com e sem os campos vazados.
O que isso mostra
Esse exercício hipotético de design identifica um atalho inválido antes que uma pontuação lisonjeira se torne uma decisão de implantação.
Implementação no mundo real
Separe múltiplas fotografias do mesmo objeto antes de dividir um conjunto de dados de reconhecimento.
Sinalize uma leitura de sensor fora da faixa fisicamente plausível para revisão.
Colocando em prática
Por que isso importa
- Decisões mais claras. Ajuda a separar afirmações técnicas claras da linguagem de marketing.
- Custo e orçamento. Você pode fazer perguntas melhores sobre implementação antes de gastar dinheiro ou tempo.
- Equipe e fluxo de trabalho. Equipes com entendimento compartilhado tomam melhores decisões sobre produtos, políticas e aprendizado.
Cuidado com
- Equipes diferentes podem usar o mesmo termo de maneira diferente, portanto, defina o escopo com antecedência.
- Os benchmarks podem parecer fortes, enquanto o desempenho no mundo real é irregular.
- Ignorar a qualidade dos dados e os planos de avaliação cria frequentemente resultados frágeis.
Próximas etapas
- Comece com uma definição em linguagem simples do resultado que você precisa.
- Escolha uma métrica de sucesso e uma condição de falha antes de testar.
- Execute um pequeno piloto com dados representativos, não um conjunto de demonstração sofisticado.
- Documente onde IA e Dados ajudam e onde métodos mais simples são melhores.
Fontes e leituras adicionais
Continue explorando
Boletim informativo gratuito
Receba o resumo diário de IA
Três histórias verificadas de IA a cada manhã de dia útil, escritas em linguagem simples. Gratuito para sempre, sem anúncios.
Um e-mail a cada dia útil. Cancele a inscrição com um clique. Nunca vendemos ou compartilhamos seu endereço.
Teste você mesmo
Take the AI & Data quiz
Feedback instantâneo sobre cada resposta e um certificado compartilhável com um ID verificável assim que você concluir um curso.
Apoie a educação gratuita em IA. O AI Understanding é uma organização sem fins lucrativos 501(c)(3) — sem anúncios, sem paywall, nunca. Faça uma doação
Perguntas frequentes
Um grande conjunto de dados ainda pode ser ruim?
Sim. Registros duplicados, rotulados incorretamente, irrelevantes ou sistematicamente incompletos podem tornar um grande conjunto de dados inadequado para a tarefa pretendida.
Continue aprendendo
Guias relacionados
Mais guias escolhidos para este tópico