Tataiso ea Tlhahiso ea Boitsebiso ba Synthetic: Tlhaloso, Mefuta, & Likopo
Ha se lekunutu hore likhoebo li tobana le mathata a ho fumana le ho arolelana data ea boleng bo holimo. Ho hlahisa data ea maiketsetso ke tharollo e sebetsang e thusang ho hlahisa li-database tse kholo tsa maiketsetso le tlhaiso-leseling ea boleng bo holimo ntle le likotsi tsa lekunutu kapa theipi e khubelu.
Li-dataset tsa maiketsetso li ka etsoa ka mekhoa e fapaneng, e fanang ka lits'ebetso tse fapaneng. Ha li hlahlobiloe hantle, li-dataset tsa maiketsetso tse hlahisoang ho sebelisoa li-algorithms tse tsoetseng pele li thusa mekhatlo ho potlakisa li-analytics, lipatlisiso le liteko. Kahoo a re hlahlobeng ka hloko.
Sengoliloeng sena se u tsebisa ka data ea maiketsetso, ho kenyeletsoa mefuta ea mantlha, liphapang ho tsoa ho li-dataset tse sa tsejoeng, le lintlha tsa taolo. U tla ithuta kamoo data e entsoeng ka maiketsetso e rarollang mathata a bohlokoa a data le ho fokotsa likotsi tse itseng. Hape re tla tšohla litšebeliso tsa eona ho pholletsa le liindasteri, re tsamaea le mehlala ho tsoa lithutong tsa rona.
Tafole ea likateng
Lintlha tsa Synthetic: tlhaloso le lipalo-palo tsa mmaraka
Lintlha tsa maiketsetso ke boitsebiso bo entsoeng ka maiketsetso bo se nang litaba tsa lekunutu, 'me bo sebetsa e le mokhoa o mong ho fapana le li-dataset tsa sebele. Hangata bo-rasaense ba data ba letsetsa Lintlha tsa maiketsetso tse entsoeng ke AI lefahla la data la maiketsetso ka lebaka la ho nepahala ha lipalo-palo tse phahameng ho etsisa data ea sebele.
Li-datasets tsa maiketsetso li entsoe ho sebelisoa li-artificial intelligence (AI) algorithms le lipapiso tse bolokang mekhoa le likamano tsa data ea mantlha. Lintlha tsena li ka kenyelletsa mongolo, litafole le litšoantšo. The dikgatotharabololo nka sebaka sa personal identifiable information (PII) ka data e somang.
Litemoso tsa Lipatlisiso tsa Grand View hore maraka bakeng sa tlhahiso ea data ea maiketsetso ka Generative AI e tla hola ho tloha ho $1.63 bilione ka 2022 ho isa ho $13.5 billion ka 2030 ho CAGR ea 35%. Ho ea ka Gartner, 60% ea data e sebelisitsoeng bakeng sa AI ka 2024 e tla ba ea maiketsetso - ke makhetlo a 60 ho feta ka 2021.
Li-platform tsa data tsa maiketsetso le tsona li ntse li eketseha. Market Statesville e lebeletse 'Maraka oa sethala sa data oa maiketsetso o hola ho tloha ho $218 milione ka 2022 ho isa ho $3.7 billion ka 2033.
Hobaneng ha data ea maiketsetso e ntse e eketseha? Lebaka le leng la ho khanna ke tokoloho taolong ea taolo.
Na melao ea lekunutu e laola lintlha tsa maiketsetso tse hlahisitsoeng ke AI?
Tse ngata tsa US le EU tshireletso ya data le lekunutu melaoana e sebetsa ho data ea motho eo u ka e tsebang.
Empa melaoana eo ha e sebetse ho data ya maiketsetso - ya data a maiketsetso a tšoaroa ka tsela e tšoanang ho data e sa tsejoeng. Ba theha seo ho thoeng ke "moko" oa melao e meng ea molao.
Ka mohlala, Setšoantšo sa 26 sa GDPR e re melao ea ts'ireletso ea lekunutu e sebetsa feela ho data e amanang le motho ea ka tsejoang. Haeba data ea hau ea maiketsetso e entsoe hoo e ke keng ea saloa morao ho batho ba ka lemohuoang, e lokoloha taolong ea taolo. Tlhokomelo ea taolo ka thoko, ho na le litšitiso tse ling tsa ho sebelisa data ea 'nete e tsamaisang likhoebo ho hlahisa data ea maiketsetso.
Mathata a mantlha a ho sebelisa data ea 'nete
Lik'hamphani tse ngata li thatafalloa ke ho fumana le ho sebelisa lintlha tse nepahetseng, tsa boleng bo holimo, haholo-holo ka chelete e lekaneng bakeng sa koetliso ea algorithm ea AI. Le ha ba e fumana, ho arolelana kapa ho sebelisa li-database ho ka ba thata ka lebaka la likotsi tsa lekunutu le litaba tsa ho lumellana. Karolo ena e hlalosa senotlolo e phephetsa data ea maiketsetso e ka rarolla.
Likotsi tsa lekunutu li sitisa tšebeliso ea data le ho arolelana
Ts'ireletso ea data le melaoana ea lekunutu, joalo ka GDPR le HIPAA, e hlahisa litšitiso tsa semmuso mabapi le ho arolelana le tšebeliso ea data. Liindastering tse kang tsa bophelo bo botle, esita le ho arolelana PII lipakeng tsa mafapha a mokhatlo o le mong ho ka nka nako ka lebaka la licheke tsa puso. Ho arolelana lintlha le mekhatlo ea kantle ho thata le ho feta 'me ho na le likotsi tse ngata tsa ts'ireletso.
Lipatlisiso tse tsoang ho Litlhahiso tsa Khoebo ea Fortune e supa likotsi tse ntseng li eketseha tsa boinotši e le mohloli oa mantlha oa ho sebelisa mekhoa ea data ea maiketsetso. Ha u boloka lintlha tse ngata, u ipeha kotsing ea ho beha lekunutu kotsing. Ho latela The 2023 IBM Security Cost of a Data Breach Report, karolelano ea litšenyehelo tsa ho senya data US e ne e le liranta tse limilione tse 9.48. Lefatšeng ka bophara, karolelano ea litšenyehelo e ne e le liranta tse limilione tse 4.45; lik'hamphani tse nang le basebetsi ba ka tlase ho 500 li lahleheloa ke $ 3.31 milione ka tlolo ka 'ngoe. 'Me seo ha se ikarabelle bakeng sa tšenyo ea botumo.
Mathata a ho fumana data ea boleng bo holimo
Tlhahlobo ea 2022 ea 500 litsebi tsa data e senoletse hore 77% ea baenjiniere, bahlahlobisisi, le bo-rasaense ba data ba tobane le litaba tsa boleng ba data. Ho latela tlaleho, boleng ba data bo sitisa ts'ebetso ea lichelete le tlhahiso ea k'hamphani mme bo etsa hore ho se fihlelle pono e akaretsang ea lits'ebeletso tsa eona.
Lik'hamphani li ka 'na tsa haelloa ke lintlha tse lekaneng ho tsoa ho batho ba ikhethileng ho koetlisa mefuta ea bona ea ho ithuta ka mochini (ML) hantle. 'Me li-datasets hangata li na le ho se lumellane, ho fosahala, le litekanyetso tse sieo. Haeba u koetlisa li-platform tsa hau tsa AI ka mehlala ea ho ithuta mochini ka data ea boleng bo tlase e haelloang ke mefuta-futa ea batho, e tla etsa likhakanyo tse sa nepahalang, tse leeme. Ka mokhoa o ts'oanang, joalo ka tlhahiso ea data e sa tsejoeng, li-algorithms tse sa hlalosoang li ka hlahisa li-datasets tsa maiketsetso tse sa tšepahaleng tse amang sephetho sa tlhahlobo ea data.
Ho eketsa lintlha tsa maiketsetso ho ka ntlafatsa boleng ba data ka ho rarolla ho se leka-lekane ho li-datasets. Sena se tiisa hore lihlopha tse sa emeng hantle li fumana boemeli bo leka-lekaneng le ho fokotsa leeme. Boitsebiso bo matla le bo emelang bo fana ka liphetho tse ntlafalitsoeng tsa tlhahlobo le koetliso ea mohlala.
Ho se tsamaisane ha datha
Li-database tse nkiloeng ho tsoa mehloling e fapaneng kapa ka har'a li-database tse nang le litafole tse ngata li ka hlahisa ho se lumellane, tsa baka mathata a ho sebetsa le ho sekaseka le ho sitisa boqapi.
Mohlala, ho kopanya lintlha tsa tlhokomelo ea bophelo bo botle ho kenyelletsa lirekoto tsa bophelo bo botle ba elektroniki (EHRs), lintho tse ka roaloang, lisebelisoa tsa software le lisebelisoa tsa motho oa boraro. Mohloli o mong le o mong o ka sebelisa mefuta e fapaneng ea data le litsamaiso tsa tlhahisoleseling, tse lebisang ho se tšoane ha lifomate tsa data, meaho kapa liyuniti nakong ea kopanyo. Tšebeliso ea data ea maiketsetso e ka sebetsana le phephetso ena, ho netefatsa ho lumellana le ho lumella ho hlahisa data ka sebopeho se batloang.
Ho se tsebahale ha hoa lekana
Mekhoa ea ho se tsebe ha e ea lekana ho hlola likotsi tsa lekunutu kapa mathata a boleng ba data. Ho feta moo, ho pata kapa ho tlosa li-identifiers ho ka tlosa lintlha tse hlokahalang bakeng sa tlhahlobo e tebileng ka har'a li-dataset tse kholo.
Ntle le moo, data e sa tsejoeng e ka tsebahatsoa hape 'me ea khutlisetsoa ho batho ka bomong. Batšoantšisi ba lonya ba ka sebelisa litlhahlobo tse tsoetseng pele ho sibolla mekhoa e ipapisitseng le nako e sitisang ho se tsejoe ha data e bonahalang e sa tsejoe. Lintlha tsa maiketsetso li phahametse data e sa tsejoeng tabeng eo.
Ho fapana le anonymization, data ea maiketsetso ha e fetole li-dataset tse teng empa e hlahisa data e ncha e ts'oanang le litšobotsi le sebopeho sa data e tala, ho boloka molemo oa eona. Ke pokello ea data e ncha ka ho felletseng e se nang lintlha tse ka u hlakisang.
Empa e na le nuances ho feta moo. Ho na le mefuta e 'maloa ea mekhoa ea tlhahiso ea data ea maiketsetso.
Mefuta ea tlhahiso ea data ea maiketsetso
Tlhahiso ea data ea maiketsetso lits'ebetso li fapana ho latela mofuta oa data e hlokahalang. Mefuta ea data ea maiketsetso e kenyelletsa lintlha tse felletseng tsa AI, tse thehiloeng melaong le tse somang - kopano ka 'ngoe e na le tlhoko e fapaneng.
Lintlha tsa maiketsetso tse hlahisitsoeng ka botlalo ke AI
Mofuta ona oa data ya maiketsetso e hahiloe ho tloha qalong ho sebelisoa li-algorithms tsa ML. The mochini oa ho ithuta oa mechini literene ka data ea sebele ho ithuta ka sebopeho sa data, lipaterone le likamano. Joale Generative AI e sebelisa tsebo ena ho hlahisa data e ncha e ts'oanang hantle le thepa ea lipalo ea mantlha (hape, ha e ntse e etsa hore e se tsejoe).
Mofuta ona oa data ea maiketsetso ka botlalo e na le thuso bakeng sa koetliso ea mohlala oa AI 'me e loketse ho sebelisoa joalokaha eka ke data ea sebele. Ho molemo haholo ha o sa khone ho arolelana datha ea hau ka lebaka la litumellano tsa lekunutu tsa lekunutu. Leha ho le joalo, ho hlahisa data ea maiketsetso, o hloka palo e kholo ea data ea mantlha e le sebaka sa ho qala mochini oa ho ithuta oa mechini koetliso.
Lintlha tsa maiketsetso tsa soma
sena se data ya maiketsetso type e bua ka data e entsoeng ka maiketsetso e etsisang sebopeho le sebopeho sa data ea 'nete empa e sa bontše tlhahisoleseling ea nnete. E thusa bahlahisi ho netefatsa hore lits'ebetso tsa bona li khona ho sebetsana le litlatsetso le maemo a fapaneng ntle le ho sebelisa 'nete, lekunutu, kapa data e hlokolosi 'me, habohlokoa ka ho fetisisa, ntle le ho itšetleha ka data ea sebele ea lefatše. Ts'ebetso ena e bohlokoa bakeng sa tlhahlobo ea ts'ebetso le ho hloekisa lits'ebetso tsa software ka mokhoa o laoloang le o sireletsehileng.
Nako ea ho e sebelisa: Ho nka sebaka sa li-direct identifiers (PII) kapa ha hajoale u haelloa ke data 'me u khetha ho se sebelise nako le matla ho hlalosa melao. Hangata bahlahisi ba sebelisa lintlha tse somang ho lekola ts'ebetso le ponahalo ea lits'ebetso nakong ea methati ea pele ea nts'etsopele, e ba lumellang ho tseba mathata a ka bang teng kapa mefokolo ea moralo.
Leha data e somang e haelloa ke bonnete ba tlhahisoleseling ea lefats'e la nnete, e ntse e le sesebelisoa sa bohlokoa ho netefatsa ts'ebetso e nepahetseng ea litsamaiso le boemeli ba pono pele ho kopanngoa ha data.
Tlhokomeliso: Lintlha tsa Synthetic tse songoang hangata li bitsoa 'data fake,' leha re sa khothaletse ho sebelisa mantsoe ana ka mokhoa o fapaneng kaha a ka fapana ka meelelo.
Lintlha tsa maiketsetso tse thehiloeng ho melao
Lintlha tsa maiketsetso tse thehiloeng ho melao ke sesebelisoa se sebetsang bakeng sa ho hlahisa li-database tse ikhethileng tse ipapisitseng le melao e boletsoeng esale pele, litšitiso le menahano. Mokhoa ona o fana ka maemo a feto-fetohang ka ho lumella basebelisi ho hlophisa tlhahiso ea data ho latela litlhoko tse ikhethileng tsa khoebo, ho lokisa maemo a kang bonyane, boholo, le boleng bo tloaelehileng. Ho fapana le data e hlahisitsoeng ke AI ka botlalo, e haelloang ke tloaelo, data ea maiketsetso e thehiloeng melaong e fana ka tharollo e lokiselitsoeng ho fihlela litlhoko tse ikhethileng tsa ts'ebetso. Sena ts'ebetso ea tlhahiso ea data ea maiketsetso e thusa haholo litekong, nts'etsopele le tlhahlobo, moo tlhahiso ea data e nepahetseng le e laoloang e leng bohlokoa.
Mokhoa o mong le o mong oa tlhahiso ea data oa maiketsetso o na le lits'ebetso tse fapaneng. Sethala sa Syntho se hlahella ka ho theha mafahla a data a maiketsetso ntle le boiteko bo matla ho uena. U fumana lintlha tse nepahetseng, lintlha tsa maiketsetso tsa boleng bo holimo bakeng sa litlhoko tsa hau tse sa laoleheng ka botlalo.
Tabular synthetic data
Kotara tabular synthetic data e bolela ho theha data ea maiketsetso likaroloana tse etsisang sebopeho le lipalo-palo tsa lefatše la 'nete dintlha tsa sethala, joalo ka data e bolokiloeng litafoleng kapa li-spreadsheet. Sena data ya maiketsetso e entsoe ka tšebeliso li-algorithms tsa tlhahiso ea data ea maiketsetso le mekhoa e etselitsoeng ho pheta-pheta litšobotsi tsa lintlha tsa mohloli ha o ntse o netefatsa hore lekunutu kapa data e hlokolosi ha e senoloe.
Mekhoa ea ho hlahisa tabular data ya maiketsetso hangata e kenyelletsa mohlala oa lipalo, mehlala ea ho ithuta mochini, kapa mefuta ea tlhahiso e kang generative adversarial networks (GANs) le variational autoencoder (VAEs). Tsena lisebelisoa tsa tlhahiso ea data ea maiketsetso sekaseka dipaterone, kabo, le dikamano tse teng ho dataset ea sebele ebe o hlahisa e ncha lintlha tsa data hore haufi-ufi tšoana le data sebele empa ha o na lintlha tsa nnete.
Tabular e tloaelehileng linyeoe tsa tšebeliso ea data ea maiketsetso kenyeletsa ho rarolla mathata a boinotšing, ho eketsa ho fumaneha ha data, le ho tsamaisa lipatlisiso le mekhoa e mecha lits'ebetsong tse tsamaisoang ke data. Leha ho le joalo, hoa hlokahala ho etsa bonnete ba hore data ya maiketsetso ka nepo e hapa mekhoa ea motheo le kabo ea data ea mantlha ho e boloka sesebelisoa sa data le ho nepahala bakeng sa mesebetsi e tlase.
Lisebelisoa tse tsebahalang haholo tsa data tsa maiketsetso
Lintlha tse entsoeng ka maiketsetso li bula menyetla ea boqapi bakeng sa tlhokomelo ea bophelo bo botle, mabenkele, tlhahiso, lichelete le liindasteri tse ling. Ea mantlha sebelisa linyeoe kenyeletsa lisampole tsa data, analytics, liteko, le ho arolelana.
Ho ntlafatsa ho ntlafatsa li-datasets
Upsampling e bolela ho hlahisa datha tse kholo ho tsoa ho tse nyane bakeng sa ho lekanya le ho fapanyetsana. Mokhoa ona o sebelisoa ha data ea 'nete e haella, e sa leka-lekane, kapa e sa fella.
Nahana ka mehlala e seng mekae. Bakeng sa litsi tsa lichelete, bahlahisi ba ka ntlafatsa ho nepahala ha mekhoa ea ho lemoha bomenemene ka ho etsa mohlala oa litlhahlobo tse sa tloaelehang le mekhoa ea mesebetsi ho ya data lichelete. Ka mokhoa o ts'oanang, setsi sa papatso se kanna sa etsa mohlala oa ho eketsa lintlha tse amanang le lihlopha tse sa emeng hantle, ho ntlafatsa ho nepahala ha likarolo.
Litlhahlobo tse tsoetseng pele tse nang le data e hlahisitsoeng ke AI
Likhamphani li ka eketsa lintlha tsa maiketsetso tse hlahisitsoeng ke AI bakeng sa mohlala oa data, analytics ea khoebo le lipatlisiso tsa bongaka. Ho kopanya data e iponahatsa e le mokhoa o mong o sebetsang ha ho fumana li-dataset tsa 'nete ho bitsa chelete e ngata haholo kapa ho ja nako.
Lintlha tsa maiketsetso e matlafatsa bafuputsi ho etsa litlhahlobo tse tebileng ntle le ho senya lekunutu la mokuli. Bo-rasaense ba data mme bafuputsi ba fumana lintlha tsa mokuli, tlhahisoleseling mabapi le maemo a kliniki, le lintlha tsa kalafo, ho fumana lintlha tse ka nkang nako haholo ka data ea 'nete. Ho feta moo, bahlahisi ba ka arolelana datha ka bolokolohi le barekisi, ba kenyelletsa GPS e qheketsoeng le lintlha tsa sebaka ho theha li-algorithms bakeng sa tlhahlobo ea ts'ebetso kapa ho ntlafatsa tlhokomelo e boletsoeng esale pele.
Leha ho le joalo, tlhahlobo ya data ya maiketsetso e bohlokoa. Sehlahisoa sa Syntho Engine se tiisitsoe ke sehlopha sa ka hare sa netefatso ea boleng le litsebi tsa kantle tse tsoang Setsing sa SAS. Thutong ea ho etsa mohlala oa ho bolela esale pele, re koetliselitse tse 'nè mehlala ea ho ithuta mochini ho data ea 'nete, e sa tsejoeng, le ea maiketsetso. Liphetho li bonts'itse hore mefuta e koetlisitsoeng ka har'a li-database tsa rona tsa maiketsetso e na le boemo bo nepahetseng bo ts'oanang le ba koetliso ea li-dataset tsa 'nete, athe data e sa tsejoeng e fokolitse tšebeliso ea mefuta.
Ho arolelana data ka ntle le ka hare
Lintlha tsa maiketsetso li nolofatsa ho arolelana lintlha ka har'a mekhatlo le ho pholletsa le mekhatlo. U ka khona sebelisa data ea maiketsetso ho fapanyetsana tlhahisoleseding ntle le ho beha kotsing ditlolo tsa lekunutu kapa ho se ikobele melao. Melemo ea data ea maiketsetso e kenyelletsa liphetho tsa lipatlisiso tse potlakileng le tšebelisano e sebetsang haholoanyane.
Likhamphani tsa mabenkele li ka arolelana leseli le barekisi kapa barekisi ba sebelisa data ea maiketsetso e bonts'ang boitšoaro ba bareki, maemo a thepa kapa lintlha tse ling tsa bohlokoa. Leha ho le joalo, ho etsa bonnete ba boemo bo phahameng ka ho fetisisa ba boitsebiso ba boitsebiso, lintlha tsa bohlokoa tsa bareki, le liphiri tsa k'hamphani li bolokoa e le lekunutu.
Syntho e hapile 2023 Global SAS Hackathon bakeng sa bokhoni ba rona ba ho hlahisa le ho arolelana adata e nepahetseng ea maiketsetso ka katleho le ntle le kotsi. Re ile ra kopanya datha ea bakuli bakeng sa lipetlele tse ngata tse nang le bakuli ba fapaneng ho bonts'a katleho ea mehlala e boletsoeng esale pele. Ho sebelisa li-dataset tsa maiketsetso tse kopantsoeng ho ile ha bontšoa ho nepahetse joalo ka ha ho sebelisoa data ea sebele.
Lintlha tsa tlhahlobo ea maiketsetso
Lintlha tsa tlhahlobo ea maiketsetso ke lintlha tse entsoeng ka maiketsetso tse etselitsoeng ho etsisa tlhahlobo ya data tikoloho bakeng sa ntshetsopele ya software. Ntle le ho fokotsa likotsi tsa lekunutu, lintlha tsa tlhahlobo tsa maiketsetso li thusa baetsi ho lekola ts'ebetso ea lits'ebetso, ts'ireletseho, le ts'ebetso ka thata ho tsoa ho mefuta e fapaneng ea maemo ntle le ho ama sistimi ea 'nete.
Tšebelisano ea rona le e 'ngoe ea libanka tse kholo ka ho fetisisa tsa Madache showcases melemo ea data ea maiketsetso bakeng sa tlhahlobo ea software. Teko ea tlhahiso ea data ka Syntho Engine e ile ea fella ka li-datasets tse kang tsa tlhahiso tse thusitseng banka ho potlakisa nts'etsopele ea software le ho lemoha likokoana-hloko, e leng se lebisang ho lokolloa ha software ka potlako le ho feta.
Mekhoa ea ho hlahisa tabular data ya maiketsetso hangata e kenyelletsa mohlala oa lipalo, mehlala ea ho ithuta mochini, kapa mefuta ea tlhahiso e kang generative adversarial networks (GANs) le variational autoencoder (VAEs). Tsena lisebelisoa tsa tlhahiso ea data ea maiketsetso sekaseka dipaterone, kabo, le dikamano tse teng ho dataset ea sebele ebe o hlahisa e ncha lintlha tsa data hore haufi-ufi tšoana le data sebele empa ha o na lintlha tsa nnete.
Tabular e tloaelehileng linyeoe tsa tšebeliso ea data ea maiketsetso kenyeletsa ho rarolla mathata a boinotšing, ho eketsa ho fumaneha ha data, le ho tsamaisa lipatlisiso le mekhoa e mecha lits'ebetsong tse tsamaisoang ke data. Leha ho le joalo, hoa hlokahala ho etsa bonnete ba hore data ya maiketsetso ka nepo e hapa mekhoa ea motheo le kabo ea data ea mantlha ho e boloka sesebelisoa sa data le ho nepahala bakeng sa mesebetsi e tlase.
Sethala sa tlhahiso ea data ea Syntho
Syntho e fana ka sethala se bohlale sa tlhahiso ea data ea maiketsetso, se matlafatsa mekhatlo ho fetola data ka bohlale hore e be tlholisano. Ka ho fana ka mekhoa eohle ea tlhahiso ea data sethaleng se le seng, Syntho e fana ka tharollo e felletseng bakeng sa mekhatlo e ikemiselitseng ho sebelisa lintlha tse akaretsang:
- Lintlha tsa maiketsetso tse entsoeng ke AI e etsisang lipalo-palo tsa data ea mantlha ho data ea maiketsetso ka matla a bohlale ba maiketsetso.
- Smart de-identication ho e sireletsa data e hlokolosi ka ho tlosa kapa ho fetola litaba tse identifiable personality (PII).
- Test data management e nolofalletsang tlhahiso, tlhokomelo, le taolo ea boitsebiso ba moemeli oa tlhahlobo bakeng sa libaka tse sa hlahisoang.
Li-platform tsa rona li hokahana le maru kapa tikolohong efe kapa efe. Ho feta moo, re hlokomela tlhophiso le ho tsamaisoa. Sehlopha sa rona se tla koetlisa basebetsi ba hau ho se sebelisa Syntho Engine ka katleho, 'me re tla fana ka ts'ehetso e tsoelang pele ka mor'a ho romelloa.
U ka bala haholoanyane ka bokhoni ba Syntho's data ya maiketsetso moloko oa batho sethaleng ka Karolo ea litharollo webosaeteng ea rona.
Ho na le eng kamoso bakeng sa data ea maiketsetso?
Ho hlahisa data ea maiketsetso ka AI e hlahisang thusa ho theha le ho arolelana meqolo e phahameng ea ya data tse amehang, ho feta litaba tsa litšebelisano tsa lifomete, litšitiso tsa taolo, le kotsi ea ho tlola data.
Ho fapana le anonymization, ho hlahisa data ya maiketsetso e lumella ho boloka likamano tsa sebopeho ho data. Sena se etsa hore data ea maiketsetso e loketse li-analytics tse tsoetseng pele, lipatlisiso le nts'etsopele, mefuta-futa le liteko.
Tšebeliso ea li-datasets tsa maiketsetso e tla atoloha feela liindastering. Lik'hamphani li ikemiselitse ho etsa data ea maiketsetso, ho atolosa boholo ba eona ho litšoantšo tse rarahaneng, li-audio, le litaba tsa video. Lik'hamphani li tla atolosa tšebeliso ea mehlala ea ho ithuta mochini ho papiso e tsoetseng pele haholoanyane le dikopo.
Na u batla ho ithuta ho feta ditiriso tse sebetsang tsa data ya maiketsetso? Ikutloe u lokolohile ho etsa lenaneo la demo Websaeteng ea rona.
Mabapi le Syntho
Syntho e fana ka bohlale tlhahiso ea data ea maiketsetso platform, leveraging mefuta e mengata ea data ea maiketsetso le mekhoa ea ho hlahisa, ho matlafatsa mekhatlo ho fetola boitsebiso ka bohlale hore e be moeli oa tlhōlisano. Lintlha tsa rona tsa maiketsetso tse entsoeng ke AI li etsisa mekhoa ea lipalo-palo ea data ea mantlha, e netefatsa bonnete, lekunutu, le lebelo, joalo ka ha li hlahlobiloe ke litsebi tsa kantle tse kang SAS. Ka likarolo tse bohlale tsa ho hlakisa lintlha le 'mapa o sa fetoheng, tlhaiso-leseling e hlokolosi e sirelelitsoe ha ho ntse ho bolokoa boits'oaro bo nepahetseng. Sethala sa rona se thusa ho theha, ho laola le ho laola lintlha tsa liteko bakeng sa libaka tseo e seng tsa tlhahiso, ho sebelisoa melao e thehiloeng melaong. mekhoa ea tlhahiso ea data ea maiketsetso bakeng sa maemo a reriloeng. Ho feta moo, basebelisi ba ka khona hlahisa data ya maiketsetso ka lenaneo le ho fumana lintlha tsa sebele tsa teko ho etsa liteko tse felletseng le maemo a nts'etsopele habonolo.
Mabapi le mongoli
Wim Kees Janssen
CEO & mothehi
Syntho, sekhahla-up se senyang indasteri ea data ka data ea maiketsetso e entsoeng ke AI. Wim Kees o pakile le Syntho hore a khona ho notlolla lintlha tsa lekunutu ho etsa hore data e be bohlale le hore e fumanehe ka potlako e le hore mekhatlo e ka hlokomela boqapi bo tsamaisoang ke data. Ka lebaka leo, Wim Kees le Syntho ba hapile Khau e tumileng ea Philips Innovation, ba hapile khathon ea lefats'e ea SAS litabeng tsa bophelo bo botle le mahlale a bophelo, 'me ba khethoa e le ba etellang pele tlhahiso ea AI Scale-Up ke NVIDIA.