Detect, Clean & Train: Un Modello Concettuale Per La Qualità Dei Dati Nell’Intelligenza Artificiale

La tesi analizza il ruolo della qualità dei dati nei sistemi di intelligenza artificiale, evidenziando il passaggio da un approccio model-centric a uno data-centric. Dopo aver esaminato le dimensioni classiche e moderne della data quality e i principali framework di valutazione, il lavoro propone un modello concettuale articolato nelle fasi Detect, Clean e Train per organizzare la valutazione, il miglioramento e l’impatto della qualità dei dati sul training dei modelli di machine learning. Particolare attenzione è dedicata all’impatto della qualità dei dati sulle prestazioni e sull’affidabilità dei modelli di machine learning, nel contesto dei moderni sistemi di AI.