TSAuditor : un cadre d’audit pour les séries temporelles
Un nouveau cadre d’audit, TSAuditor, a été développé pour détecter les anomalies dans les données de séries temporelles que les outils classiques ne parviennent pas à identifier.
qualité des données
ML : Qualité des données ou architecture, le goulot d’étranglement ?
La communauté ML débat du principal goulot d’étranglement pour le progrès : la qualité des données ou les architectures de modèles, alors que l’accent est mis sur la curation des jeux de données.
Des prédictions fiables sans nettoyage de données : un défi au GIGO
Une nouvelle étude remet en question le dogme du « Garbage In, Garbage Out » en IA, suggérant que des modèles peuvent bien performer avec des données brutes.