論文の概要: Future and AI-Ready Data Strategies: Response to DOC RFI on AI and Open Government Data Assets

• arxiv url: http://arxiv.org/abs/2408.01457v2
• Date: Sat, 07 Dec 2024 08:25:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:50:21.746791
• Title: Future and AI-Ready Data Strategies: Response to DOC RFI on AI and Open Government Data Assets
• Title（参考訳）: 未来とAI対応データストラテジー:AIとオープン政府データセットに対するDOC RFIへの対応
• Authors: Hamidah Oderinwale, Shayne Longpre,
• Abstract要約: 以下は、AIとOpen Government Data Assetsに関する米国商務省の情報要求(RFI)に対する回答である。 当社は、組織やデータの共有に関する公的洞察を求める取り組みについて、省に感謝する。 弊社の回答では、AIと商務省のOpen Government Data Assetsに対するベストプラクティスと重要な考察を概説する。
• 参考スコア（独自算出の注目度）: 6.659894897434807
• License:
• Abstract: The following is a response to the US Department of Commerce's Request for Information (RFI) regarding AI and Open Government Data Assets. First, we commend the Department for its initiative in seeking public insights on the organization and sharing of data. To facilitate scientific discovery and advance AI development, it is crucial for all data producers, including the Department of Commerce and other governmental entities, to prioritize the quality of their data corpora. Ensuring data is accessible, scalable, and secure is essential for harnessing its full potential. In our response, we outline best practices and key considerations for AI and the Department of Commerce's Open Government Data Assets.
• Abstract（参考訳）: 以下は、AIとOpen Government Data Assetsに関する米国商務省の情報要求(RFI)に対する回答である。 まず、組織やデータの共有に関する公開的な洞察を求めるためのイニシアチブについて、省に感謝します。 科学的な発見とAI開発を促進するため、商務省やその他の政府機関を含むすべてのデータ生産者が、データコーパスの品質を優先することが不可欠である。 データがアクセス可能で、スケーラブルで、セキュアであることは、その潜在能力を最大限活用するために不可欠です。 弊社の回答では、AIと商務省のOpen Government Data Assetsに対するベストプラクティスと重要な考察を概説する。

関連論文リスト

• On the development of open geographical data infrastructures in Latin America: progress and challenges [0.08246494848934446]
  Open Geographical Data Infrastructures (OGDIs)により、市民は政府や公共データにアクセスし、精査することができる。 本稿は,ラテンアメリカにおけるOGDI開発の進展,技術ギャップ,オープンな地理的データイニシアチブについて分析する。
  論文  参考訳（メタデータ） (2025-01-22T21:37:40Z)
• Principles for Open Data Curation: A Case Study with the New York City 311 Service Request Data [2.3464946883680864]
  ニューヨーク市(NYC)は、2012年にオープンデータ法が制定されて以来、この運動の最前線にある。 現在、ポータルは2700のデータセットをホストしており、さまざまな領域で研究するための重要なリソースとなっている。 オープンデータの効果的な利用は、データ品質とユーザビリティに大きく依存する。
  論文  参考訳（メタデータ） (2025-01-14T12:06:20Z)
• Methods to Assess the UK Government's Current Role as a Data Provider for AI [2.9712266483979346]
  本稿では, 設計, 力学, 限界を詳細に解説し, 技術的報告として機能する。 ODIのWebサイトには、実験と重要な発見を要約し、それらを解釈し、英国政府がAIポリシーの設計を進めるための実用的なレコメンデーションのセットを構築するという、補完的な非技術レポートが添付されている。
  論文  参考訳（メタデータ） (2024-11-27T19:53:05Z)
• A Survey on Data Markets [73.07800441775814]
  より大きな福祉のためのトレーディングデータの増加は、データ市場の台頭につながっている。 データ市場とは、データセットやデータデリバティブを含むデータプロダクトの交換が行われるメカニズムである。 これは、価格やデータの分散など、いくつかの機能が相互作用するコーディネートメカニズムとして機能する。
  論文  参考訳（メタデータ） (2024-11-09T15:09:24Z)
• Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
  まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。 次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。 提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-11-22T22:15:17Z)
• On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
  AI技術の信頼性に関する深刻な懸念があった。 機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。 本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-24T14:01:53Z)
• Data-centric AI: Perspectives and Challenges [51.70828802140165]
  データ中心AI(DCAI)は、モデル進歩からデータ品質と信頼性の確保への根本的なシフトを提唱している。 データ開発、推論データ開発、データメンテナンスの3つの一般的なミッションをまとめます。
  論文  参考訳（メタデータ） (2023-01-12T05:28:59Z)
• Trusted Data Forever: Is AI the Answer? [5.138012450471438]
  人工知能(AI)の最近の進歩は、AIが信頼できる公開記録の継続的な可用性とアクセシビリティをサポートすることができるかどうかに関する議論を開いている。 本稿では、InterPARES Trust AI(I Trust AI)国際研究パートナーシップの予備的な結果を示す。
  論文  参考訳（メタデータ） (2022-02-16T11:56:41Z)
• Requirements for Open Political Information: Transparency Beyond Open Data [48.7576911714538]
  ステークホルダ間の欲求とニーズを特定するために、ユーザインタビューを行います。 我々はこの情報を用いて、機能的な政治情報技術システムの基礎的要件をスケッチする。
  論文  参考訳（メタデータ） (2021-12-06T15:42:03Z)
• Explainable Patterns: Going from Findings to Insights to Support Data Analytics Democratization [60.18814584837969]
  我々は,データストーリテリングの探索と作成において,レイユーザをサポートする新しいフレームワークであるExplainable Patterns (ExPatt)を提示する。 ExPattは、外部(テキスト)の情報ソースを使用して、観察または選択された発見の実用的な説明を自動的に生成します。
  論文  参考訳（メタデータ） (2021-01-19T16:13:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。