04.12.2019  Экспертиза, Искусственный интеллект

Чтобы получить чистые данные, которым можно всецело доверять, предприятиям требуется комплексный подход в области инженерии данных, который включает в себя обнаружение и ввод данных, интеграцию источников информации, подготовку и управление данными. Вице-президент Informatica по региону EMEA Грег Хэнсон рассказал порталу Information Age о его преимуществах для осуществления успешных ИИ-инициатив. Потенциал искусственного интеллекта и прогнозной аналитики воодушевляет бизнес-лидеров, поскольку они понимают, что обе технологии могут значительно повысить эффективность работы их организаций. Обнаружение мошеннических схем, выбор «следующего наилучшего действия» и анализ прогнозов — это лишь небольшая часть бизнес-задач, которые ИИ и аналитика помогают решить. Однако некачественные данные препятствуют корректной работе ИИ — это связано с тем, что качество моделей машинного обучения напрямую зависит от качества данных, по которым они обучаются или которые им передаются для обработки. «Если вернуться к истокам больших данных, станет ясно, что многих специалистов не устраивало их качество, — сказал Хэнсон. — Работающие над ИИ-проектами сотрудники ошибочно полагают, что механизм ИИ умеет удалять несоответствия и неточности данных в автоматическом режиме. Это в корне неверный подход: если вы вводите мусор, то получите его и на выходе». Улучшение качества данных По словам Хэнсона, чтобы повысить качество данных предприятиям нужно предварительно создать централизованный каталог активов ... читать далее.