Duomenų gavybos analizė naudojant Python and the Frontiers of AI

Pelnas:

• Galimybė kurti scenarijus, kurie valo ir vizualizuoja gręžimo, gamybos ir stebėjimo duomenis naudojant Python, su AI palaikymu
• Gebėjimas atpažinti duomenų kokybės, permokymosi ir ekstrapoliacijos rizikas kuriant paprastus numatymo ir anomalijų modelius
• Gebėjimas patikrinti dirbtinio intelekto sukurtą kodą ir rezultatą naudojant įrenginio valdymą, nepriklausomą skaičiavimą ir inžinerinį patikimumą

Kiekviename šio modulio bloke, kurį matėte, dirbtinis intelektas yra galingas koduojant: gręžinių valymą, masės balansą, krigingo skeletą, laivyno suvestinę, vibracijos analizę, aplinkos nuskaitymą. Šiame paskutiniame skyriuje dėmesys sutelkiamas į Python, konkretų šio kodo įrankį, ir tinkamą kodo generavimo su AI discipliną. „Python“ tapo de facto gavybos duomenų analizės standartu, nes yra nemokama, turi galingas bibliotekas (pandas: duomenų apdorojimas lentelėmis; numpy: skaitmeninis skaičiavimas; matplotlib: braižymas; scikit-learn: mašininis mokymasis) ir automatizuoja pasikartojančias užduotis. AI padaugina greitį, kuriuo rašote tą kodą; tačiau jos sukurtas kodas ne visada teisingas. Pagrindinis šio įrenginio principas: Niekada neleiskite dirbtinio intelekto rašomo kodo prieš tai jo neperskaičius, nepatvirtinus jo vieneto ir nepatikrinus su nedideliu žinomų duomenų kiekiu. Kodas gali tyliai pateikti neteisingą rezultatą, o tai gali virsti netinkamu inžineriniu kasybos sprendimu.

Pagrindinis kodo generavimo srautas naudojant AI

Kodo gavimas iš AI yra inžinerinis ciklas, o ne pokalbis:

1. Aiškiai aprašykite užduotį. Įvestis (stulpeliai, vienetai, pavyzdžio eilutė), norima išvestis ir apribojimai. Dviprasmiška užklausa sukuria dviprasmišką kodą.
2. Paprašykite, kad jis būtų mažas ir skaitomas. Klauskite nuoseklaus, komentuojamo kodo, o ne vienos milžiniškos funkcijos.
3. Skaityti ir suprasti. Supraskite, ką daro kiekviena eilutė; Neleiskite kodo, kurio nesuprantate.
4. Išbandykite su mažais duomenimis. Paleiskite jį rankiniu būdu naudodami 5–10 eilučių, kurių rezultatus žinote, ir patikrinkite laukiamą išvestį.
5. Klausimų krašto atvejai. Tuščias langelis, neigiama reikšmė, vienetų maišymas, pasikartojantis įrašas Kaip veikia kodas?
6. Sureguliuokite ir patikrinkite logiką. Vykdyti visus duomenis; Ar rezultatas inžineriškai pagrįstas?

Patarimas: dažniausiai pasitaikančios klaidos, įvedant AI kodą, yra tylios: neteisingas stulpelio pavadinimas, vienetų maišymas (m vs ft, g/t vs ppm), tyliai išleidžiamos eilutės (pvz., dropna), neteisingas vidurkis (paprastas vidurkis, kai reikia sverti). Tai nesukelia klaidų; Tai tiesiog sukuria neteisingą skaičių. Taigi „negavo klaidos“ niekada nereiškia „teisingai“.

Tipiškos Python užduotys kasyboje

• Duomenų valymas: gręžimo / gamybos / stebėjimo lentelių sujungimas, nenuoseklumo žymėjimas, vienetų normalizavimas.
• Santrauka ir vizualizacija: Histograma, laiko eilutės, laipsnio ir tonažo kreivė, OEE grafikai.
• Statistika ir geostatistika: Suvestinė statistika, koreliacija, variograma/kriging (su specialiomis bibliotekomis).
• Anomalijų aptikimas: slenksčiu pagrįstas arba paprastas modeliu pagrįstas dreifo fiksavimas.
• Paprasti numatymo modeliai: pavyzdžiui, šlifavimo dydžio ir išeigos santykis su regresija.

Daugeliui šių užduočių AI suteikia puikų pradžios kodą. Tačiau yra du spąstai: duomenų kokybė ir modelio ribos. Norint saugiai naudoti AI kodą, labai svarbu žinoti abu.

Modelio ribos: persimokymas ir ekstrapoliacija

Paprasti nuspėjamieji modeliai, kuriuos lengvai sukuria AI, yra pažeidžiami dėl dviejų pagrindinių pavojų. Per didelis pritaikymas: modelis įsimena treniruočių duomenis, bet prastai veikia su naujais duomenimis; Tai skatina kurti sudėtingus modelius, turinčius mažai duomenų. Ekstrapoliacija: modelis tampa nepatikimas, kai jis yra priverstas nuspėti diapazoną už mokymo duomenų ribų; Pavyzdžiui, modelis, išmoktas 0,3–0,8 g/t diapazone, gali duoti beprasmius rezultatus 5 g/t. AI „spontaniškai“ nevaldo šios rizikos už jus; Jūs turite kritiškai perskaityti modelį, atskirti mokymą / testą, pažvelgti į pasikliautinąjį intervalą ir patikrinti, ar prognozė yra fiziškai patikima. Kad ir koks tikslus atrodytų modelio numeris, jis negali būti inžinerinio sprendimo pagrindas už duomenų diapazono ribų.

trys mini dėklai

1 atvejis – tylaus garso klaida. Inžinierius nori kodo, kuris leistų AI apskaičiuoti vidutinį įvertinimą pagal tyrimo duomenis. Kodas veikia, rezultatas 2,1 g/t. Inžinierius nuskaito kodą; Atkreipkite dėmesį, kad vidurkis nėra pasvertas pagal intervalo ilgį, o laikomas tiesiu vidurkiu. Aukšti pažymiai trumpais intervalais nesąžiningai priaugdavo svorio. Perėjus prie svertinio vidurkio reikšmė sumažėja iki 1,7 g/t. Kodas nepateikė klaidų; skaitymas užfiksavo klaidą.

2 atvejis – tylus linijos nutraukimas. Gamybos suvestinės kode AI išvalė eilutes su trūkstamomis reikšmėmis su dropna. Kodas veikia sklandžiai, tačiau bendras kiekis neįvertintas, nes kai kurios galiojančios eilutės buvo visiškai išmestos dėl vieno tuščio stulpelio. Kai inžinierius lygina eilučių skaičių tarp įvesties ir išvesties, jis mato skirtumą ir pataiso valymo logiką. Pamoka: visada palyginkite įvesties ir išvesties eilučių skaičių.

3 atvejis. Ekstrapoliacijos gaudyklė. Komanda taiko regresijos modelį, išmoktą žemo lygio diapazone, aukšto lygio sričiai; Modelis pateikia absurdiškai didelį derlių. Laimei, inžinierius atmeta rezultatą, sakydamas, kad „ši sritis yra toli už modelio matomo diapazono“ ir prašo atlikti metalurginius bandymus. Pamoka: žinoti duomenų diapazoną, kuriam galioja modelis; Nenaudokite nestandartinės sąmatos.

Kopijuojami raginimo šablonai

SAUGUS DUOMENŲ VALYMO KODAS "Vaidmuo: Esate Python duomenų analitiko asistentas. Parašykite kodą su pandomis, kuris išvalo šią lentelę. Stulpeliai ir vienetai: [sąrašas]. Taisyklės: (1) spausdinkite eilučių skaičių PRIEŠ ir PO eilučių išmetimą; (2) praneškite, kurios eilutės buvo atmestos ir kodėl buvo panaudotas vienetas; (3) kur reikia komentaro svorio vidurkis; (3) kur reikia. Paaiškinkite kiekvieną žingsnį komentaro eilute.

KODO PERŽIŪROS PRAŠYMAS"Eilutė po eilutės paaiškinkite šį Python kodą ir nurodykite šiuos rizikos taškus: neteisingas stulpelio pavadinimo prielaida, vienetų painiava, tylioji eilėraščio, vienodo / svertinio vidurkio klaida, kraštinių raidžių (nulio / neigiamo) elgesys. NETAISYKITE kodo; tiesiog nurodykite rizikas. Kodas: [įklijuoti]."

BANDYMO NUSTATYMAS SU MAŽAIS DUOMENYS "Šiai funkcijai rankiniu būdu sukurkite nedidelį testo duomenis (5-6 eilutės), kurių rezultatą ir laukiamą išvestį žinau; parašykite bandymo bloką, kuris patikrina, ar funkcija tinkamai veikia su šiais duomenimis. Taip pat patikrinkite kraštutinius atvejus (tuščias langelis, neigiamas, vieneto kraštutinė reikšmė). Funkcija: [įklijuoti]."

PAPRASTAS MODELIS + RIBŲ ĮSPĖJIMAS"Nustatykite paprastą [x -> y] regresiją naudodami šiuos duomenis. Atskirkite mokymą / testavimą, praneškite apie klaidų metriką ir aiškiai nurodykite x diapazoną, kuriame modelis GALIOJA. Įspėkite, jei prognozės daromos UŽ šio diapazono ribų. Komentuokite apie pertreniruotų duomenų riziką..":

Silpnas raginimas / Stiprus raginimas

Silpnas raginimas: "Apskaičiuokite vidutinį įvertinimą pagal šiuos duomenis."

STIPRUS PROMPT: "Vaidmuo: esate "Python" asistentas. Stulpeliai: HoleID, From(m), To(m),Au(g/t). Apskaičiuokite SVINTĮ vidutinį pažymį su intervalo ilgiu. Kodas: (1) atspausdinkite įvesties / išvesties eilučių skaičių; (2) praneškite apie nulines / neigiamas reikšmes prieš jas išmesdami. Taip pat galiu parodyti vienetą, kad būtų patvirtintas rezultatas. rankiniu būdu. Duomenys: [įklijuoti].

Palyginimo lentelė: rizika ir atsargumo priemonės

Rizika

simptomas

atsargumo priemonė

Vieneto trukdžiai

Protingas, bet neteisingas skaičius

Komentuokite vienetą kode, patikrinkite

Tylus linijos kritimas

Trūksta viso

Palyginkite įvesties / išvesties linijų skaičių

Paprastas vs svertinis vidurkis

neteisingas vidurkis

Patikrinkite svorį

permokantis

Blogi bandymų duomenys

Mokymo/testavimo atskyrimas, būkite paprastas

ekstrapoliacija

Nesąmonė spėjimas už diapazono ribų

Apriboti galiojantį diapazoną

Dažnos klaidos

• Kodo paleidimas jo neskaitant. „Klaidų nerasta“ nereiškia, kad tai tiesa.
• Netestuojama su mažais duomenimis. Pasitikėjimas be patikrinamo pavyzdžio yra klaidingas.
• Nelyginant įvesties / išvesties linijų skaičius. Taip pabėga tylūs praradimai.
• Modelių diapazono ignoravimas. Ekstrapoliacijos įverčiai nepatikimi.
• Pasitikėjimas diagramos grožiu. Stilinga diagrama gali paslėpti neteisingą skaičių.

Dėmesio: jei AI kodas patenka į inžinerinę paskyrą, tas kodas yra toks pat atsakingas kaip ir paskyra. Jei rezultatas tampa kasybos sprendimu, paleiskite kodą ir jo išvestį atlikdami nepriklausomą loginį patikrinimą ir palygindami su antruoju metodu, jei įmanoma.

Apibendrinant

„Python“ yra de facto duomenų analizės įrankis, o AI labai padidina jų rašymo greitį. Tačiau dirbtinio intelekto kode gali būti tylių klaidų (vienetų painiavos, eilučių išmetimas, neteisingas vidurkis) ir modelio spąstai (per didelis mokymasis, ekstrapoliacija). Saugus srautas: aiškiai aprašykite, norite mažo ir skaitomo, skaitykite ir supraskite, testuokite su mažais žinomais duomenimis, užklausos kraštinių atvejų, masto ir loginio patikrinimo. Modelio išvestis negali būti sprendimo už duomenų diapazono ribų pagrindas; ir kiekvienas kodas neša tiek pat atsakomybės, kiek ir sąskaita, jei jis virsta kasybos sprendimu.

Taikymo užduotis

Norėdami gauti kodą iš AI, naudokite šabloną „Saugus duomenų valymo kodas“ su pažymių vidurkinimo arba gamybos suvestinės užduotimi; Sumažinkite kodo riziką naudodami šabloną „Kodo peržiūros užklausa“. Tada naudodami šabloną „Tikrinti sąranką su mažais duomenimis“ rankiniu būdu sukurkite duomenų rinkinį, kurio rezultatus žinote, ir patikrinkite kodą. Galiausiai, norėdami sukurti paprastą ryšį, nustatykite modelį su šablonu „Paprastas modelis + įspėjimas apie ribą“ ir patikrinkite, ar jis įspės, kai išeina už galiojančio diapazono.

kontrolinis sąrašas

• [ ] Perskaičiau AI kodą ir supratau kiekvieną eilutę, aklai jo nepaleidau.
• [ ] Išbandžiau su mažais, rankiniu būdu patikrinamais duomenimis.
• [ ] Palyginau įvesties ir išvesties linijų skaičių.
• [ ] Patikrinau vienetų nuoseklumą ir svorį.
• [ ] Apribojau modelio galiojantį duomenų diapazoną, išvengdamas ekstrapoliacijos.
• [ ] Rezultatą, kuris virto sprendimu, patikrinau nepriklausomos logikos/sekundės metodu.

Modulio egzaminas

1. Stažuotojas klausia AI pokalbių įrankio apie vidutinį rūdos korpuso laipsnį ir gautą vertę „1,8 g/t aukso“ įrašo tiesiai į atsargų ataskaitą. Kokia esminė šio požiūrio klaida?

• A) Įvertinimo vertė turi būti gauta iš paties projekto gręžimo/analizės duomenų ir patikrintos prognozės; AI sugeneruotas skaičius gali būti išgalvotas be šaltinio ✔
• B) AI turėjo būti prašoma uncijomis, o ne gramais
• C) Reikšmė teisinga, tik vietoj kablelio turėjo būti naudojamas taškas
• D) Pakanka tris kartus užduoti AI tą patį klausimą ir paimti vidurkį

Paaiškinimas: kalbos modelis nežino jūsų projekto gręžimo duomenų; sukelia skaičių, kuris atrodo labiausiai tikėtinas (haliucinacijos). Įvertinimas gaunamas tik iš paties projekto sudėtinių gręžimo duomenų ir geostatistinio įvertinimo; AI produkcija negali būti įtraukta į ataskaitą be kompetentingo asmens patvirtinimo.

2. Ką „rizika pagrįsta klasifikacija“ leidžia naudoti AI kasybos inžinerijoje?

• A) Sumažinkite AI įrankio kainą
• B) Nustatykite AI vaidmenį ir privalomą patikros gylį pagal užduoties rizikos lygį ✔
• C) Raginimai turėtų būti rašomi trumpiau
• D) Automatiškai deleguoti visus sprendimus dirbtiniam intelektui

Paaiškinimas: Ne kiekviena misija yra tokio paties rizikos lygio. Klasifikuojant užduotį į žemą/vidutinį/aukštą/kritišką, nustatoma, kuri išvestis gali būti laisvai naudojama ir kuriai reikalinga standartinė ir lauko patikra bei kompetentingo inžinieriaus patvirtinimas.

3. Ką geostatistikoje modeliuoja „variograma“?

• A) Įrangos degalų sąnaudos
• B) Metalo kainos pokytis laikui bėgant
• C) Erdvinis tęstinumas priklausomai nuo atstumo; ✔ kaip panašumas mažėja taškams tolstant
• D) Virpesių dažnis, sukurtas sprogdinant

Aprašymas: Variograma aprašo, kaip mažėja mėginių panašumas vienas į kitą (erdvinis tęstinumas), didėjant atstumui tarp dviejų taškų. Kriging naudoja šį modelį, kad įvertintų neišmatuotus taškus su neapibrėžtumo riba.

4. Koks yra geriausias būdas, kai dirbtinis intelektas iš anksto klasifikuoja litologiją iš gręžimo šerdies fotografijos?

• A) AI nurodytos uolienų rūšies apdorojimas tiesiai į gręžimo žurnalą
• B) AI teksto kopijavimas į ataskaitą visiškai nenagrinėjant nuotraukos
• C) atšaukti geologo stebėjimą ir pasikliauti vien AI
• D) Laikykite išvestį kaip preliminarią prognozę / hipotezę ir patikrinkite ją geologo stebėjimu ir laboratorine analize ✔

Aprašymas: AI gali sukurti numatymą ir dėmesio sąrašą iš vaizdo; Tačiau galutinį sprendimą dėl litologijos / pakeitimo priima geologo stebėjimas ir laboratorinė analizė. AI išvestis yra pradžia, hipotezė, kurią reikia patikrinti.

5. Ką reiškia „atsiurbimo koeficientas“ planuojant atvirą duobę?

• A) Rūdžių (uolienų atliekų) kiekis, kurį reikia pašalinti, kad būtų pasiektas vienas rūdos vienetas ✔
• B) Metalo procentas rūdoje
• C) Kasdienis sunkvežimių reisų skaičius
• D) sprogstamosios medžiagos kiekis, naudojamas sprogdinant

Aprašymas: pašalinimo greitis – tai atliekų (juostelių/atliekų) kiekis, kurį reikia pašalinti, kad būtų gautas vienas rūdos vienetas. Galutinė duobės riba ir ekonomiškumas labai priklauso nuo šio santykio; Nors AI generuoja scenarijus, sprendimą dėl ribos turi priimti kompetentingas inžinierius.

6. Ką reiškia nuspėjamoji priežiūra, kai AI nustato vibracijos ir temperatūros duomenų „anomalijas“?

• A) Įrodymas, kad įranga tikrai sugedo
• B) įspėjimas, kad duomenys nukrypsta nuo įprastų; Tai nėra galutinė gedimo diagnozė, o požymis, kurį reikia patvirtinti atliekant fizinę apžiūrą ✔
• C) Nurodykite, kad įranga turi būti automatiškai sustabdyta
• D) Garantuoti, kad duomenys buvo įrašyti neteisingai

Paaiškinimas: anomalija yra duomenų nukrypimas nuo įprasto elgesio ir gali reikšti gedimą; bet tai nėra galutinė diagnozė. Sprendimas sustabdyti įrangą arba pakeisti dalis priimamas atlikus techninės priežiūros komandos fizinę apžiūrą ir gavus operacijų vadovo sutikimą.

7. Kas yra būtina saugai, kai DI naudojamas gręžimo srove?

• A) AI rekomendacijos įgyvendinimas tiesiogiai lauke
• B) Vibracijos matavimo praleidimas
• C) AI siūlomo projekto patikrinimas su lauko matavimais, normatyvine riba ir įgalioto sprogdinimo eksperto patvirtinimu ✔
• D) Sprogmenų kiekio fiksavimas pagal AI nurodytą maksimalų kiekį

Aprašymas: Sprogdinimas; Jis kelia rimtą saugos ir reguliavimo pavojų, pvz., vibraciją, oro smūgius ir skraidančius akmenis. AI gali parengti dizaino eskizą ir parametrų rekomendaciją; Tačiau galutinis projektas turi atitikti lauko matavimus, teisės aktų nustatytas ribas ir patvirtinti įgaliotojo sprogdinimo eksperto (detonatoriaus / atsakingo asmens).

8. Koks yra tipiškas santykis tarp „atkūrimo“ ir „koncentrato klasės“ mineralų apdirbimo metu ir ką AI reikėtų atsiminti tai aiškinant?

• A) Abu visada didėja kartu
• B) Tarp jų nėra ryšio
• C) Santykis yra pastovus ir vienodas visuose įrenginiuose
• D) Paprastai yra atvirkštinis balansas (išeiga mažėja didėjant pažymiui); tikrosios vertės turi būti patikrintos metalurginiais bandymais ir masės balansu ✔

Paaiškinimas: Paprastai, kai bandome gauti didesnę koncentruotą rūšį, derlius mažėja (rūšių ir derliaus balansas). AI gali paaiškinti šią tendenciją, tačiau faktinės veikimo vertės turi būti patvirtintos metalurginiais bandymais ir masės balansu; Bendra tendencija nepakeičia vietos tikrovės.

9. Koks yra tinkamiausias beveik praleistų įvykių/nelaimingų atsitikimų duomenų analizės panaudojimas naudojant AI darbo saugos srityje?

• A) Klasifikuoti laisvo teksto įrašus ir išskirti pasikartojančius rizikos modelius; Palikite sprendimą DSS ekspertui ✔
• B) Automatiškai nustatyti avarijų kaltininką
• C) Darbo sustabdymo įsakymų delegavimas AI
• D) Beveik praleistų įrašų archyvavimas jų neperžiūrint

Aprašymas: AI gali klasifikuoti didelius laisvo teksto įrašų kiekius ir greitai išgauti pasikartojančius modelius bei rizikingas sąlygas. Tačiau sprendimas sustabdyti darbą, evakuotis iš teritorijos ar pagrindinės priežasties priimamas vadovaujantis DSS ekspertu ir teisės aktais; AI išvestis yra įvestis, o ne sprendimas.

10. Kodėl „deformacijos greičio pagreitis“ yra kritinis ženklas radaro/prizmės duomenyse stebint šlaitus?

• A) Tai neabejotinai rodo, kad matavimo prietaisas sugedęs.
• B) tai gali skelbti laipsnišką pralaimėjimą; Sprendimas dėl išankstinio įspėjimo ir evakuacijos priklauso geotechnikos inžinieriui ✔
• C) Tai rodo, kad nuolydis yra visiškai saugus
• D) Tai reikšminga tik tada, kai yra kritulių ir į jį galima nekreipti dėmesio

Paaiškinimas: Prieš šlaito gedimus paprastai pastebimas laipsniškas deformacijos greičio (pagreičio) padidėjimas; Tai gali būti progresuojančios nesėkmės požymis. AI gali pabrėžti tendenciją, tačiau evakuacijos / išankstinio įspėjimo sprendimą priima geotechnikos inžinieriaus analizė ir protokolas.

11. Koks yra tiksliausias atsakas į viršijimo ženklą, kurį AI randa vandens kokybės laiko eilutėje, atliekant aplinkos monitoringą?

• A) Ataskaitų apie dirbtinio intelekto rezultatus teikimas tiesiogiai vyriausybinei agentūrai
• B) Nepaisykite įspėjimo ir toliau žiūrėkite
• C) Patvirtinkite akredituotu laboratoriniu rezultatu, normatyvine riba ir aplinkos inžinieriaus vertinimu ✔
• D) Pasikliauti tik AI ir atšaukti laboratorinę analizę

Aprašymas: AI gali anksti pranešti apie galimą pažeidimą; Tačiau oficialų atitikties sprendimą priima akredituota laboratorinė analizė, teisės aktuose nustatytos ribinės vertės ir aplinkos inžinieriaus įvertinimas. AI išvestis yra atrankos įspėjimas, o ne teisinis / techninis sprendimas.

12. Koks yra patikimiausias būdas išvengti sugalvotos (haliucinacinės) nuorodos, kai AI paklausiate standarto, pvz., JORC ar NI 43-101, punkto numerio?

• A) Remdamiesi AI pateiktu prekės numeriu
• B) Vėl užduokite tą patį klausimą skirtingais žodžiais
• C) Žiūrėti į tinklaraščio įrašą, o ne į standartinį
• D) Kiekvienos straipsnio nuorodos atidarymas ir patvirtinimas iš galiojančio oficialaus standarto teksto ir kompetentingo asmens patvirtinimo gavimas ✔

Paaiškinimas: nors kalbos modelis teisingai žino standarto pavadinimą, jis gali haliucinuoti straipsnio numerį ir tekstą. Kiekviena cheminės medžiagos nuoroda turi būti atidaryta ir patvirtinta pagal dabartinį oficialų standarto tekstą, o galutinę atitiktį turi patvirtinti kompetentingas asmuo (CP/QP).

13. Koks yra svarbiausias patikrinimas prieš paleisdamas AI parašytą Python analizės scenarijų?

• A) Kodo skaitymas ir vienetų/stulpelių atitikimo tikrinimas, bandymas su mažais žinomais duomenimis ir rezultato patikimumo patikrinimas ✔
• B) Kodo paleidimas tiesiai visame duomenų rinkinyje jo neskaitant
• C) Tiesiog pamatyti, kad nėra klaidos, ir priimti rezultatą
• D) Pasikliaukite išvesties grafika, kad atrodytumėte gražiai.

Aprašymas: AI kodas gali maišyti vienetus, priimti neteisingus stulpelių pavadinimus arba tyliai išmesti eilutes. Labai svarbu perskaityti kodą, patikrinti apimties ir stulpelių atitiktį, išbandyti su nedideliu žinomų duomenų kiekiu ir patikrinti, ar rezultatas yra inžinerinis pagrįstas.

14. Koks yra geriausias elgesys privatumo požiūriu teikiant gavybos duomenis debesies pagrindu veikiančiam AI įrankiui?

• A) Įklijuoti visus neapdorotus duomenis, kaip yra
• B) Anonimizuoti kontekstą ir išvalyti jautrius rezervo / koordinačių / gamybos duomenis ir naudoti įmonės politiką atitinkantį įrankį ✔
• C) Darant prielaidą, kad faktinių koordinačių pateikimas yra būtinas rezultato kokybei
• D) Privatumo politikos nepaisymas

Paaiškinimas: atsargų skaičiai, licencijų / koordinačių informacija ir gamybos duomenys yra slapti komercinių paslapčių ir teisės aktų požiūriu. Būtina anonimizuoti kontekstą, išvalyti tikrąsias koordinates ir pavadinimus, pasirinkti įmonės/privatumo užtikrinimo įrankį ir laikytis įmonės politikos.