- Alignement des signauxLes États, les actions, la vision et le calendrier doivent s’aligner clairement.
- Couverture des tâchesL’ensemble de données a besoin à la fois d’une diversité significative de succès et d’échecs.
- RéutilisabilitéLes métadonnées, les manifestes et les schémas cohérents sont importants si vous souhaitez une valeur à long terme.
La qualité des données des robots est ce qui transforme les démonstrations en infrastructure d'apprentissage durable
De bonnes données ne se résument pas à davantage de données. Il est aligné, reproductible, adapté aux tâches et prêt à prendre en charge la relecture, l'analyse comparative et le recyclage.
Des données de meilleure qualité réduisent le gaspillage de recyclage, améliorent la confiance en matière de régression et rendent les équipes plus disposées à faire évoluer les programmes matériels.