Das eBook bietet eine umfassende Einführung in die Bedeutung von Datenqualität, diskutiert Herausforderungen und Lösungen in Organisationen, liefert praktische Einblicke von Experten, erklärt Schlüsselbegriffe und -konzepte im Bereich KI und Datenmanagement und bietet Handlungsempfehlungen für die Umsetzung von Datenqualitätsinitiativen.

Aus dem Inhalt:
‍
1. Effektive KI-Modelle nur mit guten Daten
1.1. Daten, Ihr Wachstums-Treibstoff der Zukunft
1.2. Die Schmerzpunkte aller KI-Berater lindern
2. Wie lernt künstliche Intelligenz
3. Die vier Arten von Datenproblemen
3.1. Fehlerhafte Daten
3.1.1. Inkonsistente Daten
3.1.2. Ungenaue Daten
3.1.3. Beliebige Daten
3.1.4. Veraltete Daten
3.2. Fehlende Daten
3.2.1. Lückenhafte Daten
3.2.2. Fehlende Merkmale
3.2.3. Fehlende Daten-Labels
3.2.4. Isolierte Datenmengen
3.3. Übermäßige Daten
3.3.1. Irrelevante Daten
3.3.2. Ausreißer
3.3.3. Duplikate
3.3.4. Daten, die nicht den Datenschutzbestimmungen entsprechen
3.4. Unrepräsentative Daten
3.4.1. Schiefe Daten, Mangel an Heterogenität
4. Schlüsselbegriffe in der KI-Datenwelt
4.1. Einmal-Projekte vs. Kontinuierliche Projekte
4.2. Mensch und Maschine Interaktionen
4.2.1. Human in the Loop und Machine in the Loop
4.2.2. Human in the Loop
4.2.3. Machine in the Loop
4.2.4. Anwendungsbereiche für HITL und MITL
5. Die Zeit zum Handeln ist jetzt
6. Über uns