Bagsiden: Hårtrimmer i miniatureformat

Det falder igennem sprækkerne i sorteringsudstyret ;-)

Eksemplet er jo sjovt. Men, det er en af de ting, der sommetider gør mig lidt forbeholden, når vi jubler over alt det, maskinlæring på vores dejligt store datamængder skal gøre for os. Gad vide hvor mange formelt valide data, der bare random er smidt ind af en træt bruger, fordi systemet siger, at jeg SKAL taste noget ind?

Jeg var for en del år siden involveret i et maskinlæringsprojekt, hvor vi fik nogle underlige geografiske spredninger. Et nærmere tjek viste, at fx Horsens lå i 34 forskellige lande! Det viste sig, at en del brugere indtastede data om nationalitet i feltet "land", hvor det var tiltænkt til "geografisk lokation".

En anden klassiker, som vi mødte, var at der var mennesker, der var blevet ufatteligt gamle. Dødsdag var nemlig angivet til 9999-12-31.

(og ja, vi fangede begge dele, fordi de sprang i øjnene. Men hvad med alt det, vi missede? Og ja, data kom fra systemer, der var dårligt designede. Men de findes derude!)

/Bo

Giver mig tit den opfattelse at programmørerne, der laver programmer for staten kommer fra Kejserens Klædefabrik, der jo ikke havde problemer med at tøjet var usynligt og ikke selv har været udsat for at skulle bruge deres produkter.