Intelligence artificielle: Qualité des données pour l'analyse et l'apprentissage automatique (ML) - Partie 4 : Cadre de processus de qualité des données
Porté:
Ce document établit des approches organisationnelles générales communes, quels que soient le type, la taille ou la nature de l'organisation candidate, pour garantir la qualité des données pour la formation et l'évaluation en matière d'analyse et de machine apprentissage (ML). Il comprend des conseils sur le processus de qualité des données pour :
— ML supervisé en ce qui concerne l'étiquetage des données utilisées pour la formation des systèmes ML, y compris les approches organisationnelles pour l'étiquetage des données de formation ;
— ML non supervisé ;
— ML semi-supervisé ;
— apprentissage par renforcement;
— l'analyse.
Ce document s'applique aux données de formation et d'évaluation provenant de différentes sources, y compris les données acquisition et composition des données, préparation des données, étiquetage des données, évaluation et utilisation des données. Ce document ne définit pas de services, plateformes ou outils spécifiques.
Raison d’être du projet
Note : L’information ci-dessus a été recueillie et est diffusée par le Conseil canadien des normes (CCN) pour les besoins de son système de notification centralisé et transparent pour l’élaboration de nouvelles normes. Le système permet aux organismes d’élaboration de normes (OEN) accrédités par le CCN et aux membres du public d’être informés des nouveaux travaux d’élaboration de normes au Canada. Il donne aussi aux OEN accrédités la possibilité de repérer et de résoudre les cas de doubles emplois éventuels dans les normes et les travaux de normalisation.
Les OEN sont eux-mêmes responsables du contenu et de l’exactitude de l’information présentée ici. Cette information n’existe que dans la langue dans laquelle elle a été fournie au CCN.