Die Qualität der Daten, die zum Trainieren von ML-Modellen verwendet werden, wirkt sich erheblich auf die Qualität von Analysen und ML-basierten Produkten und Dienstleistungen aus. Daher ist das Datenqualitätsmanagement für den Erfolg von Analyse- und ML-Technologie unerlässlich.
ISO/IEC 5259-3 legt die Anforderungen und Richtlinien für die Einrichtung, Implementierung, Aufrechterhaltung und kontinuierliche Verbesserung der Datenqualität für Analytik und ML fest. Diese globale Norm legt die Anforderungen und Richtlinien für Qualitätsmanagementprozesse sowie den Referenzprozess und die Methoden fest, die auf die Anforderungen der ISO/IEC 5259-3 zugeschnitten werden können.
Es ermöglicht Unternehmen, Datenqualitätsmaßnahmen, -management und -prozesse mit ausreichenden Kontrollen während des gesamten Datenlebenszyklus zu implementieren und zu betreiben.
Die Anforderungen und Empfehlungen sind allgemeiner Natur und gelten für alle Organisationen, unabhängig von ihrer Art, Größe oder Beschaffenheit. Die ISO/IEC 5259-3 definiert keine detaillierten Prozesse, Methoden oder Messungen.
Um qualitativ hochwertige Daten für Analytik und ML zu erhalten, benötigen Sie ein solides Verständnis der Anforderungen der ISO/IEC 5259-3. Wir bieten Schulungen an, um das erforderliche Wissen zu vermitteln.
Sobald das System eingerichtet ist, können wir eine Fehlerbeurteilung durchführen. Nach erfolgreichem Abschluss eines Audits stellen wir Ihnen Ihr Zertifikat aus, das die effektive Umsetzung der Anforderungen der Norm bestätigt.
Unser Portfolio im Bereich Digital Trust Assurance umfasst auch umfassende Dienstleistungen gemäß ISO/IEC 42001.
Die Zertifizierungsnorm ISO/IEC 5259-3 ist Teil der folgenden Normenreihe zu KI – Datenqualität für Analytik und ML:
Maschinelles Lernen (ML) ist ein Bereich der künstlichen Intelligenz (KI), der es Computern ermöglicht, aus Daten zu lernen und Vorhersagen oder Entscheidungen auf der Grundlage von Daten zu treffen. Dabei geht es um die Entwicklung von Algorithmen, die Muster in Datensätzen erkennen und deren Leistung im Laufe der Zeit verbessern, ohne explizite Programmierung für bestimmte Aufgaben. ML erstreckt sich über verschiedene Bereiche, darunter Gesundheitswesen, Finanzen und autonome Systeme.
