Samenvatting
Modellen voor fraudedetectie: NairaShield draait niet op het beste gekozen model.
NairaShield geen gebruik van beste model
NairaShield, een AI-systeem voor fraudedetectie ontwikkeld als afstudeerproject, gebruikt momenteel niet het beste model dat oorspronkelijk werd gekozen. De maker trainde zes modellen met hetzelfde fraudedatabestand en selecteerde een winnend model. Door een verschil in visie met zijn begeleider werd het systeem echter uitgebreid met een extra workflow en model.
Belang voor BI-professionals
Het verschil tussen het gekozen en het geïmplementeerde model toont de complexiteit van AI-modellen in de praktijk. Dit benadrukt dat technologische optimalisatie niet altijd de enige prioriteit is; soms speelt projectbegeleiding of strategische aanpassingen een grotere rol. Dit zou relevant kunnen zijn voor bedrijven die afhankelijk zijn van AI-gebaseerde systemen.
Concrete takeaway
BI-professionals moeten bij het selecteren en implementeren van AI-modellen verder kijken dan prestaties alleen. Het kan nuttig zijn om te anticiperen op externe invloeden, zoals feedback van belanghebbenden, bij het bepalen van de uiteindelijke systeemarchitectuur.
Verdiep je kennis
Predictive Analytics — Wat kan het voor jouw bedrijf?
Ontdek wat predictive analytics is, hoe het werkt en hoe je het inzet voor je bedrijf. Van de 4 niveaus van analytics to...
KennisbankAI in Power BI — Copilot, Smart Narratives en meer
Ontdek alle AI-functies in Power BI: van Copilot en Smart Narratives tot anomaliedetectie en Q&A. Compleet overzicht met...
KennisbankChatGPT en BI — Hoe AI je data-analyse verandert
Ontdek hoe ChatGPT en generatieve AI de wereld van business intelligence veranderen. Van SQL en DAX genereren tot data-a...