De impact van fouten in data op de output van AI-modellen is lastig te voorspellen en te meten, terwijl zulke fouten wel degelijk risico’s opleveren voor compliance met regelgeving. Dit project richt zich daarom op het ondersteunen van niet-technische gebruikers bij het valideren en verbeteren van de kwaliteit van hun data. Zij moeten datakwaliteitsregels kunnen formuleren in natuurlijke taal. We ontwikkelen een data-gedreven aanpak die zulke regels inzet om domeinexperts te helpen bij het verfijnen van datakwaliteitsregels en het uitvoeren van “stresstests” op AI-modellen verderop in de keten. Dit project is bij uitstek geschikt voor iemand met een sterke data engineering-achtergrond en interesse in samenwerking met domeinexperts.
