Udeleženci bodo spoznali ključne korake zbiranja, čiščenja, strukturiranja in označevanja podatkov, ki predstavljajo temelj vsakega procesa strojnega učenja. Poseben poudarek bo na kakovosti podatkov, obravnavi pristranskosti in zagotavljanju reprezentativnosti podatkovnih zbirk. Predstavljeni bodo tudi primeri dobrih praks pri pripravi podatkov, pomen transparentnosti v procesu zbiranja in obdelave ter izzivi razložljivosti, ko so modeli zgrajeni na kompleksnih ali potencialno problematičnih podatkovnih virih. Udeleženci bodo spoznali tudi rizična področja, kjer neustrezno ravnanje s podatki lahko vodi do resnih posledic (npr. v zdravstvu, finančnem sektorju, kazenskem pravu), in načine, kako s premišljenim pristopom zagotoviti zanesljive in etično sprejemljive podatkovne podlage za razvoj umetne inteligence.

Zanima me