Une étude récente de Cognilytica indique que le plus grand défi auquel sont confrontées la plupart des équipes d'IA/ML est la gestion et l'optimisation des données. Environ 50 % du temps qu'elles consacrent au développement de l'IA porte sur les données de formation, tandis que 15 % supplémentaires impliquent d'augmenter les ensembles de données pour optimiser les processus autour des données de formation. À long terme, ces optimisations peuvent les aider à économiser beaucoup d'argent et de temps.
Répartition du temps dans les tâches d'apprentissage automatique
Qu'est-ce que l'IA centrée sur les données ?
Vous connaissez probablement bien l'approche "centrée sur les données" de l'IA, souvent appelée DCAI. De nombreuses personnes ont tenté de la définir. Chez Picsellia, nous nous alignons sur la définition d'Andrew Ng.
Nous pensons que l'élément clé de sa définition est le terme "systématiquement", qui implique que les données seront toujours la première chose à avoir à l'esprit lors du lancement d'un nouveau projet.
Si vous voulez suivre une approche d'IA centrée sur les données, vous devez toujours vous interroger sur la qualité et la quantité de vos données avant toute autre chose. Cela signifie que toutes les interrogations sur l'implémentation de votre modèle doivent devenir, au moins, secondaires.
Quelles sont les questions les plus importantes pour réaliser le DCAI ?
- Est-ce que je dispose de données pour mon cas d'utilisation ?
- Combien de données ai-je ?
- Quelle est la pertinence des données ?
Vous avez besoin de la gestion des données pour être centré sur les données
En suivant l'approche centrée sur les données, il devient évident que la vitesse d'itération de vos modèles de vision par ordinateur sera limitée par la vitesse à laquelle vous itérez vos données. La vitesse d'accès aux informations pour répondre à ces questions sera un facteur clé dans votre processus de développement.
Afin de maximiser l'agilité de votre organisation autour de vos données, un système de gestion des données efficace et centralisé est un facteur clé de succès pour vos projets d'IA.
Chez Picsellia, nous sommes convaincus qu'une stratégie réussie en matière de vision par ordinateur nécessite une gestion appropriée des données. La complexité actuelle de l'IA réside dans ses opérations et processus et non dans le développement de modèles.
Caractéristiques clés d'une solution de gestion des données efficace
Auparavant, nous avons mentionné l'importance de la centralisation dans la gestion des données. Cependant, ce n'est pas le seul élément à prendre en compte lors de la mise en place de notre stratégie de gestion des données.
En effet, l'objectif est de pouvoir répondre aux trois questions précitées concernant la quantité de données, leur pertinence et leur qualité. Pour y parvenir, il est nécessaire de mettre en place des outils qui vous permettent de naviguer le plus efficacement possible dans vos données, et d'en extraire des informations pertinentes. Un sondage que nous avons récemment lancé sur LinkedIn montre que la fonctionnalité la plus recherchée lors de la mise en place d'une stratégie de gestion des données est le data mining.
En effet, l'avènement des technologies de stockage objet en nuage (AWS s3, Google Cloud Storage, etc.) a permis aux entreprises de stocker de plus en plus de données à moindre coût. Mais, lorsqu'on travaille sur des cas d'utilisation de la vision par ordinateur, le stockage de masse centralisé pose un problème majeur de visualisation et d'exploration.
Le caractère non structuré d'une image rend la navigation dans ces magasins d'objets très compliquée. Ainsi, l'une des principales fonctionnalités requises pour une solution de gestion de données dédiée à la vision par ordinateur est la visualisation et l'exploration des données.
Vient ensuite la traçabilité et le versionnage de vos données. Pour que votre organisation puisse reproduire et analyser votre travail, il est essentiel de conserver un historique de l'utilisation des données.
Le développement de modèles de vision par ordinateur nécessite une maîtrise totale et une vision à 360° des données qui ont été utilisées pour les créer. En résumé, vous devez être en mesure de répondre aux questions suivantes :
- Quelles données ont été utilisées pour entraîner le modèle X ?
- Quel ensemble de données a été utilisé dans l'expérience Y ?
Conclusion
Afin de garantir le succès d'une stratégie centrée sur les données, il est nécessaire de mettre en place un système de gestion des données efficace. La centralisation des données via des solutions de stockage en nuage telles que AWS s3 ne suffit pas pour obtenir un système de gestion des données. Vous devrez également mettre en place des fonctionnalités de visualisation, de recherche et d'indexation pour être en mesure de répondre aux questions fondamentales d'une stratégie centrée sur les données.
