Cleanlab
Plateforme de curation de données d'IA et de qualité des étiquettes
Cleanlab part de l’idée que la qualité du modèle dépend de la qualité des données. Les vrais jeux de données contiennent des erreurs : images mal étiquetées, exemples dupliqués et valeurs aberrantes. La bibliothèque open source de Cleanlab utilise des méthodes statistiques et les prédictions du modèle pour trouver les exemples les plus probablement faux, pour qu’une équipe les corrige au lieu de tout relire.
La plateforme commerciale, Cleanlab Studio, étend ça avec une interface no-code pour nettoyer et améliorer des jeux de données et entraîner des modèles sur le résultat. L’entreprise est aussi passée à la fiabilité de l’IA générative, avec des outils pour noter la confiance des sorties de modèles de langage et attraper les hallucinations dans les systèmes en production.
La bibliothèque open source est gratuite, et la plateforme a des niveaux gratuits et payants. Nettoyer des données demande un jugement humain sur ce qu’est la bonne étiquette. Parmi les alternatives : Snorkel AI, Label Studio, Argilla, Encord et Labelbox. Cleanlab convient aux équipes de machine learning avec des jeux de données en désordre.