Waarom is dit belangrijk?
Een model kan zelf nieuwe gevallen beoordelen doordat trainingsgegevens laten zien hoe vergelijkbare situaties eerder zijn afgehandeld. Organisaties gebruiken die gegevens bij de ontwikkeling en ingebruikname van generatieve AI op het werk en in publieke dienstverlening. Voor burgers en werknemers levert dat praktische hulp in het dagelijks leven op, maar zonder zorgvuldige selectie komen ook persoonsgegevens mee en kan de verwerking onrechtmatig worden.
Zo werkt het in de praktijk
Het OGC-project TrainingDML-AI beschrijft trainingsgegevens voor satellietbeelden in aardobservatie. Teams trainen daarmee modellen en controleren daarna de uitkomsten. Herkomst, kwaliteit en labels staan in de beschrijving, zodat anderen de set kunnen nalezen.
Onderzoekers in machine learning splitsen voorbeelden in trainen, valideren en testen. Tijdens het trainen wordt het model afgestemd op de trainingsgegevens. Een aparte testset laat zien of voorspellingen ook kloppen bij nieuwe voorbeelden.
De AI-verordening verplicht voor risicovolle systemen gegevenssets voor training, validatie en tests. Ontwikkelaars verzamelen, labelen en schonen die trainingsgegevens en kijken of de set bij het doel past. ISO/IEC 5259, een reeks normen voor de kwaliteit van gegevens bij machine learning, beschrijft hoe organisaties die kwaliteit meten en beheren.




