Data Readiness Lab

Utmaningar

Arbetet med dataförberedelse underskattas ofta. En låg nivå av dataförberedelse är ett allvarligt hinder för AI-utvecklingsprojekt. Data Readiness Lab kommer att fokusera på och utveckla verktyg och riktlinjer för fyra huvudutmaningar:

• dataförberedelse
• annotering
• anonymisering
• affärsperspektiv

Projektet fokuserar särskilt på textdata men många av resultaten kommer att gälla för olika typer av data. Dataförberedelse

Data readiness
Riktlinjer för vad dataförberedelse är och hur det kan tillämpas i praktiken.

Annotering
Kunskapsdelning och processutveckling relaterat till annotering.

Anonymisering
Anonymisering och pseudonymisering genom Named Entity Recognition (NER); dvs. användning av namnigenkänning för att identifiera och radera eller ersätta personlig information som namn, personnummer, etc..

Affärsperspektiv
Målgruppen för Data Readiness Lab börjar sin dataresa (kompetenser, verktyg, etc) - det är avgörande att utforma resultaten på ett sätt som möter deras behov och förväntningar.

Projektets syfte

Data Readiness Lab är en plattform som bidrar med kompetenser, verktyg, ramverk och resurser för att öka organisationers och företags dataförberedelse. Detta kommer att accelerera förmågan att använda data för att realisera projekt av organisatoriskt och samhälleligt värde, till exempel genom användning av AI eller språkteknologi.

Behoven relaterade till dataförberedelse är i stor utsträckning gemensamma för alla typer av aktörer. Detta Data Readiness Lab kommer att öka dataförberedelsen och datamognaden hos aktörer inom både offentlig och privat sektor.

Förväntade resultat

• Genom att göra verktyg och riktlinjer tillgängliga, och höja kunskapen om dataförberedelse, kommer partners att öka sin dataförberedelse och få möjlighet att utveckla och tillämpa AI i vid bemärkelse.

• Intressenterna bidrar med verktyg, processer och metoder samt fallstudier för utvärdering av labbets resultat.

• Dataägarnas dataförberedelse kommer att utvärderas i början av projektet för att skapa en möjlighet att följa upp hur deras dataförberedelse förbättrades under projektets gång.

• Resultat och lärdomar kommer att spridas i stor utsträckning.

Kontakt