Deze pagina is onderdeel van de AI-woordenlijst van De Wereld van AI, de centrale encyclopedie met alle AI-begrippen van A tot Z.
Elke vorm van kunstmatige intelligentie begint met data. Zonder goede gegevens kan een AI systeem niet leren, geen patronen herkennen en geen betrouwbare voorspellingen doen. Deze hub bevat alle kernbegrippen. Ze leggen uit hoe data wordt verzameld. Ook wordt uitgelegd hoe data wordt voorbereid en geschikt gemaakt voor gebruik in AI modellen.
Wat deze hub bundelt
De termen op deze pagina beschrijven de volledige dataketen achter AI, van ruwe invoer tot gestructureerde trainingssets. Ze maken duidelijk waarom datakwaliteit zo belangrijk is. Ze laten zien hoe fouten in deze fase grote invloed hebben op de prestaties van een model.
Hieronder vallen onder andere
- Data, datasets en Big Data als basis voor AI
- Training data, validatie data en testdata om modellen eerlijk te beoordelen
- Labelen, preprocessing en normalisatie om ruwe gegevens bruikbaar te maken
- Features en inputdata als de manier waarop een AI naar de wereld kijkt
Alle begrippen in dit thema
- Big Data
- Data
- Datakwaliteit
- Dataminimalisatie
- Dataset
- Feature (kenmerk)
- Inputdata
- Labelen van data
- Lineaire regressie
Een eenvoudige methode om patronen in data te herkennen en voorspellingen te doen met een rechte lijn. - Logistische regressie
Een model dat kansen berekent om te bepalen tot welke categorie iets behoort. - Normalisatie
- Preprocessing
- Privacy by design
- Testdata
- Training Data
- Validatie Data
Verder in de AI-woordenlijst
Deze hub is één thematische ingang tot de volledige AI-woordenlijst. Op de hoofdpagina staan alle begrippen alfabetisch gerangschikt, van AI-assistent tot Zero-shot learning.
Wie één specifiek begrip zoekt kan daar direct naar de A tot Z index gaan. Wie samenhang wil begrijpen, gebruikt deze thematische hubs.
Volgende logische stap
Wie wil begrijpen wat er met deze data gebeurt nadat een model ermee is gevoed, komt uit bij de hub Leren en trainen van AI.