Sökning: "datakvalitet"

Visar resultat 1 - 5 av 73 uppsatser innehållade ordet datakvalitet.

  1. 1. Mjuka framgångsfaktorer för införande av ett BI-system i en mellanprojektsrelation mellan kund och systemimplementatör och effekter av dess användning i kundens verksamhet : En fallstudie av Myndigheten för yrkeshögskolan och Atea Sverige

    Kandidat-uppsats, Karlstads universitet/Handelshögskolan (from 2013)

    Författare :Adam Aspengren; [2024]
    Nyckelord :Business Intelligence; Framgångsfaktorer; Mjuka faktorer; Mänskliga faktorer; BI-införande; BI-system; Effekter;

    Sammanfattning : Business Intelligence (BI) är en central del av modern affärsverksamhet och används för att omvandla rådata till meningsfull information för bättre beslutsfattande. Införande av BI kan möta flera utmaningar som påverkar BI:s effektivitet och framgång. LÄS MER

  3. 2. Measuring the Utility of Synthetic Data : An Empirical Evaluation of Population Fidelity Measures as Indicators of Synthetic Data Utility in Classification Tasks

    Master-uppsats, Karlstads universitet/Institutionen för matematik och datavetenskap (from 2013)

    Författare :Alexander Florean; [2024]
    Nyckelord :Synthetic Data; Machine Learning; Population Fidelity Measures; Utility Metrics; Synthetic Data Quality Evaluation; Classification Algorithms; Utility Estimation; Data Privacy; Artificial Intelligence; Experiment Framework; Model Performance Assessment; Syntetisk Data; Maskininlärning; Population Fidelity Mätvärden; Användbarhetsmätvärden; Kvalitetsutvärdering av Syntetisk Data; Klassificeringsalgoritmer; Användbarhetsutvärdering; Dataintegritet; Artificiell Intelligens; AI; Experiment Ramverk; Utvärdering av Modellprestanda;

    Sammanfattning : In the era of data-driven decision-making and innovation, synthetic data serves as a promising tool that bridges the need for vast datasets in machine learning (ML) and the imperative necessity of data privacy. By simulating real-world data while preserving privacy, synthetic data generators have become more prevalent instruments in AI and ML development. LÄS MER

  4. 3. Faktorer som påverkar ett rättvist beslutsfattande : En undersökning av begränsningar och möjligheter inom datainsamling för maskininlärning

    Kandidat-uppsats, Mittuniversitetet/Institutionen för kommunikation, kvalitetsteknik och informationssystem (2023-)

    Författare :Erik Westerberg; [2023]
    Nyckelord :AI; Machine learning; AI fairness; Data quality; Limitations; opportunities; Affordance theory; AI; Maskininlärning; Rättvis AI; Datakvalitet; Begränsningar; möjligheter; Affordance theory;

    Sammanfattning : Artificial intelligence, AI, is widely acknowledged to have atransformative impact on various industries. However, thistechnology is not without its limitations. One such limitationis the potential reinforcement of human biases withinmachine learning systems. After all, these systems rely ondata generated by humans. LÄS MER

  5. 4. AI i praktiken : En kvalitativ studie om etiska implikationer

    Kandidat-uppsats,

    Författare :Ara Faraj; Martin Lucena Londoño; [2023]
    Nyckelord :AI; ethical implications; ethics; AI in practice; transparency; integrity; bias; ethic implications management.; AI; etiska implikationer; AI i praktiken; transparens; integritet; partiskhet; hantering av etiska implikationer.;

    Sammanfattning : De senaste åren har utveckling och hantering av AI i praktiken utvecklats exponentiellt i alla branscher för att effektivisera processer. Dessvärre medför AI etiska implikationer som måste hanteras på ett etiskt korrekt sätt. LÄS MER

  7. 5. Evaluating Data Quality for behavioural event data using semiotic theory : Analysing how data roles perceive Data Quality and how it is influenced by Data Quality awareness and experience

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Eleonora Greta Luisa Borzi; [2023]
    Nyckelord :Data Quality; semiotic framework; big data; data roles; Datakvalitet; semiotiskaramverket; big data; dataroller;

    Sammanfattning : Today companies are handling and producing big data. To maximise the value of the data, companies need to achieve high data quality (DQ), and be able to measure it. This study analyses if semiotic framework is suitable to asses DQ for big data, specifically for behavioural event data. LÄS MER