Warum Sie sich für datenzentrierte KI interessieren sollten

Bei der datenzentrierten KI geht es um die Iteration von Daten anstelle von Modellen, um die Vorhersagen des maschinellen Lernens zu verbessern.

Warum ist dieser Trend jetzt wichtig? Ist dies nur ein weiterer Hype in der Datenwissenschaft? Oder hat sich wirklich etwas geändert?

Traditionell neigen Datenwissenschaftler dazu, ihre Datensätze als statisch zu betrachten und sich auf die Verbesserung ihres maschinellen Lernmodells zu konzentrieren.

Und das ist gar nicht so verwunderlich: Denn das ist es, was sie in der akademischen Welt tun ‍ Was sie in Kursen lernen Darauf konzentrieren sich die meisten Online-Wettbewerbe Für die die meisten Tools entwickelt werden

Dieser enge Fokus hat einen Namen:"Model-itis".

Aber es ändert sich etwas. Modelle des maschinellen Lernens werden zu einem Massenprodukt. Schauen Sie sich HuggingFace an, die mit ihren Modellen für Text, Bild und Audio den Durchbruch geschafft haben. Ihre Datenwissenschaftler können da nicht mithalten. Der Wettbewerbsvorteil von Datenwissenschaftlern liegt in allem, was das Modell umgibt.

Was sollten Ihre Datenwissenschaftler stattdessen tun? Konzentrieren Sie sich auf die Dinge, die sich nicht außerhalb Ihres Unternehmens skalieren lassen:

Definieren Sie großartige Metriken Entwickeln Sie hochwertige Datensätze ️ Entdecken Sie systematische Fehler in Ihren Modellen Liefern Sie Modelle an Ihre Benutzer ...und mehr

Ihre Daten sind einzigartig für Ihren Anwendungsfall. Die Verbesserung Ihrer Daten kann einfacher sein und mehr bewirken, als sich auf das Modell zu konzentrieren.

Die Qualität Ihrer Beschriftungen können Sie sofort verbessern. Der Kurs Machine Learning Engineering hat gezeigt, dass saubere Datensätze viel weniger Trainingsdaten benötigen als verrauschte Datensätze. Die Qualität der Beschriftungen macht einen großen Unterschied.

Nicht alles davon ist neu. Das Ökosystem um SpaCy konzentriert sich schon seit Jahren auf die Iteration von Code und Daten. Aber die breitere Anerkennung dieses Schwerpunkts ist neu.

Was ist mein Lieblingsvorteil von Data Centric AI? Sie macht die Zusammenarbeit einfacher! Modellorientierte Datenwissenschaftler neigen dazu, in ihrem Elfenbeinturm festzusitzen. Datenorientierte KI-Wissenschaftler sprechen mit Fachleuten und fragen, wie die Daten entstanden sind... und das ist der Punkt, an dem wir wirklich lernen.

Wenn Sie nun ein Datenwissenschaftler sind und denken: "Aber ich arbeite doch eigentlich gerne an den Modellen". Dann sollten Sie nicht verzweifeln! Denn wir brauchen dringend bessere Tools, die die Iteration der Daten erleichtern. Und dabei spielen auch Modelle eine Rolle!