위치:
AI를 위한 데이터 준비
데이터 준비는 AI 프로젝트를 만들거나 중단할 수 있습니다. 데이터 요구 사항을 정의하고, 데이터 인벤토리를 만들고, AI 준비를 위해 데이터를 평가하는 방법을 알아봅니다.
AI 프로젝트 성공의 비밀은 데이터입니다. 고품질 통합 데이터는 AI 알고리즘의 학습 프로세스를 간소화하므로 AI 알고리즘이 보다 효율적으로 작업하고 더 정확한 결과를 생성할 수 있습니다.
- AI 프로젝트 계획 단계에서 파악한 데이터 요구 사항을 검토합니다. 기능이 올바르게 작동하려면 어떤 개체, 필드, 외부 데이터 소스가 필요합니까?
- 다양한 데이터 자산을 관리할 수 있도록 데이터 인벤토리를 만듭니다. 예를 들어 프로젝트의 필수 데이터 소스를 나열하고 데이터가 분류되는 방법, 데이터가 새로 고쳐지는 빈도 등을 수집할 수 있습니다. AI에 대한 데이터 기본 사항을 참조하십시오.
- 데이터가 AI에 사용할 준비가 되었는지 평가합니다. 데이터의 품질은 어떻습니까? 데이터에 대한 거버넌스를 설정해야 합니까? 데이터를 마이그레이션하고 중앙 집중화해야 합니까?
데이터 준비 상태를 평가한 후 일반적으로 품질 문제, 통합 장애, 데이터 ⁇ , 때로는 기한이 경과한 데이터 인프라를 포함하는 가장 중요한 데이터 챌린지를 해결할 수 있습니다. 조기에 이러한 문제를 해결하지 않으면 AI 프로젝트가 신뢰할 수 없거나 정확하지 않은 데이터를 기반으로 구축될 수 있습니다.
AI에 대한 데이터 준비 프로세스에 대한 자세한 내용은 AI + 데이터를 참조하십시오. Project Planning 모듈 on Trailhead.
이 기사를 통해 문제를 해결했습니까?
개선을 위한 의견을 보내주세요.
