Skip to Main Content

Usługi badawcze w sieci VIA CARPATIA

Uslugi Badawcze

Nazwa Badania
Ocena jakości danych i modeli trenowanych metodami machine learningu
Techniki
• Analiza jakości i reprezentatywności danych treningowych: Badanie kompletności, spójności i potencjalnych błędów systematycznych w zbiorach danych. • Ocena metod przetwarzania danych: Analiza technik czyszczenia, normalizacji i augmentacji danych pod kątem ich wpływu na jakość modelu. • Ewaluacja algorytmów uczenia maszynowego: Badanie doboru i konfiguracji algorytmów w kontekście specyfiki zadania i dostępnych danych. • Testowanie wydajności modeli: Ocena co najmniej dokładności, precyzji, czułości i F1-score modeli na zbiorach testowych. • Analiza odporności modeli: Badanie zachowania modeli w przypadku danych odbiegających od normy lub celowo zaszumionych. • Ocena interpretacji i wytłumaczalności modeli: Analiza możliwości zrozumienia i wyjaśnienia decyzji podejmowanych przez modele. • Badanie zgodności z "AI Act": Weryfikacja spełnienia wymagań dotyczących przejrzystości, odpowiedzialności i etycznego wykorzystania AI.
Aparatura
Trzy klastry obliczeniowe, w tym klaster składający się z serwera zarządzającego i 5 serwerów obliczeniowych wyposażonych łącznie w 12 akceleratorów GPU; • Specjalistyczne oprogramowanie do analizy danych i uczenia maszynowego, mi. SPSS, Statistica, Matlab oraz narzędzia i biblioteki open source; • Narzędzia do wizualizacji i interpretacji modeli; • Środowiska i narzędzia open source do symulacji różnych scenariuszy użycia AI;
Normy
Zgodność z wymaganiami rozporządzenia UE "AI Act" w zakresie jakości danych i modeli AI, w tym: • Ocena ryzyka związanego z wdrażanymi systemami AI • Zapewnienie przejrzystości i możliwości audytu • Etyczne wykorzystanie danych i modeli • Zgodność z normami bezpieczeństwa i ochrony danych osobowych (RODO) ISO/IEC 42001 Artificial Intelligence Management System ISO 27001. System Zarządzania Bezpieczeństwem Informacji
Uczelnia
Politechnika Białostocka
Kontakt
Katedra Oprogramowania, Wydział Informatyki dr inż. Magdalena Topczewska, pok. A207 (210), e-mail: m.topczewska@pb.edu.pl, tel. +48 602 373 635
Opis
Celem usługi jest kompleksowa ocena jakości danych zastosowanie treningowych oraz modeli uczenia maszynowego, badań zgodnie z wymaganiami rozporządzenia UE "AI Act". Usługa skierowana jest do przedsiębiorstw planujących wdrożenie rozwiązań opartych o AI, które w myśl "AI Act" są operatorami sztucznej inteligencji. Badania koncentrują się na analizie zbiorów danych pod kątem reprezentatywności, kompletności i potencjalnych błędów systematycznych (bias). Oceniane są również metody przetwarzania danych, dobór algorytmów uczenia maszynowego oraz efektywność i rzetelność wytrenowanych modeli. Zastosowanie tych badań pozwala na identyfikację potencjalnych problemów z jakością danych i modeli, co umożliwia przedsiębiorstwom spełnienie wymagań "AI Act" w zakresie przejrzystości, odpowiedzialności i etycznego wykorzystania AI.
Slowa Kluczowe
jakość danych, data governance, ryzyka wdrożenia AI, uczenie maszynowe, AI Act, ocena modeli AI, etyka AI, ethical AI, przejrzystość AI, explainable AI, audyt AI, bias w AI, interpretacja modeli, bezpieczeństwo danych, RODO, zgodność z regulacjami, AI governance, audyt zgodności, transparentność danych, analiza ryzyka AI, etyka w sztucznej inteligencji, zgodność z przepisami UE, odpowiedzialność AI, monitoring AI, ocena jakości algorytmów, zarządzanie danymi, analiza danych, walidacja modeli AI, systemy AI, wdrażanie AI, normy etyczne, ochrona danych, kontrola jakości AI, zgodność z prawem, nadzór nad AI, ocena wpływu AI, odpowiedzialne AI, certyfikacja AI

Informacje o projekcie

Stopka
Minister Nauki

Zadanie finansowane w ramach zlecenia
Ministra Nauki pod nazwą "Politechniczna Sieć VIA CARPATIA im. Prezydenta RP Lecha Kaczyńskiego" w latach 2022-2025

MNiSW
Wersja: 0.1b Właścicielem i administratorem danych zawartych w bazie danych są uczelnie: Politechnika Rzeszowska, Politechnika Lubelska oraz Politechnika Białostocka. Zaprojektowanie witryny: Paweł Kuraś, Krzysztof Demidowski, Veronika Vanivska
Built with using Oracle APEX