<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Data Quality on Blog Formize.com</title><link>https://blog.formize.com/cs/tags/data-quality/</link><description>Recent content in Data Quality on Blog Formize.com</description><generator>Hugo</generator><language>cs</language><atom:link href="https://blog.formize.com/cs/tags/data-quality/index.xml" rel="self" type="application/rss+xml"/><item><title>Samoučící se syntetická data – zajištění kvality pro Edge AI</title><link>https://blog.formize.com/cs/self-supervised-synthetic-data-quality-assurance/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/cs/self-supervised-synthetic-data-quality-assurance/</guid><description>&lt;h1 id="samoučící-se-syntetická-data--zajištění-kvality-pro-edge-ai">Samoučící se syntetická data – zajištění kvality pro Edge AI&lt;/h1>
&lt;p>Edge AI přechází z výzkumné kuriozity na produkční úroveň v autonomních vozidlech, průmyslovém IoT a chytrých kamerách. Největším úzkým hrdlem je &lt;strong>vysoce kvalitní tréninková data&lt;/strong>, která musí splňovat požadavky na latenci, šířku pásma i soukromí. Generování syntetických dat se stalo de‑facto řešením, ale vytvořená data musí být &lt;strong>průběžně validována&lt;/strong>, aby nedošlo k driftu modelu, biasu a porušení souladu.&lt;/p>
&lt;p>&lt;strong>Samoučící se učení (SSL)&lt;/strong> – model se učí užitečné reprezentace z surových dat bez lidských štítků – nabízí výkonný, nízkonákladový způsob, jak &lt;strong>měřit a zlepšovat kvalitu syntetických dat&lt;/strong> v reálném čase. Začleněním SSL do datového potrubí mohou organizace vytvořit &lt;strong>uzavřený cyklus zajištění kvality (QA)&lt;/strong>, který běží výhradně na okraji, škáluje se s federovanými nasazeními a integruje se s existujícími rámcemi správy, jako je Formize.&lt;/p></description></item></channel></rss>