Nástroje AI pro kvalitu dat – Pavel Petr

Anotace:

Bakalářská práce se zabývá problematikou faktorů ovlivňujících kvalitu dat, detekcí chyb a následným zajištěním kvality dat. Hlavním cílem práce je zhodnocení potenciálu a efektivity AI nástrojů při detekci anomálií a čištění senzorových dat. Teoretická část definuje důležitost kvalitních dat v organizaci a základními procesy koloběhu dat v podniku k zajištění efektivní a bezpečné datové správy. Zároveň se teoretická část zabývá podstatou kvality dat a jejich metrikami. Závěr rešerše pak zahrnuje základy strojového učení, na jejichž principech jsou vyvíjeny současné AI modely. Praktická část je realizována formou analýzy a zpracovávání obdržených senzorových dat. Hlavní náplní praktické části je použití a zhodnocení AI modelů pomocí vícekriteriální analýzy. Ručně navržená funkce, zaměřená na jednoznačně definovaný úkol, slouží jako kontrolní model pro porovnání tradičních způsobů zajištění kvality dat s AI modely. Zhodnocení výsledků a efektivity modelů je předmětem závěru praktické části práce. …víceméně

Abstract:

This bachelor thesis deals with the issue of factors affecting data quality, error detection, and the subsequent assurance of data quality. The main objective of the thesis is to evaluate the potential and effectiveness of AI tools in anomaly detection and sensor data cleaning. The theoretical part defines the importance of quality data within an organization and the fundamental processes of the data lifecycle in an enterprise to ensure efficient and secure data governance. At the same time, the theoretical part addresses the essence of data quality and its metrics. The conclusion of the literature review then covers the fundamentals of machine learning, on whose principles contemporary AI models are developed. The practical part is implemented through the analysis and processing of received sensor data. The main focus of the practical part is the application and evaluation of AI models using multi-criteria analysis. A manually designed function, focused on a clearly defined task, serves as a control model for comparing traditional data quality assurance methods with AI models. The evaluation of the results and effectiveness of the models is the subject of the conclusion of the practical part of the work. …víceméně