了解多少写多少吧
你长远一点的方向，希望是和地球大数据集成共享和挖掘利用相关的，例如如何制备AI-Ready的数据？有什么标准，有什么技术，结合什么样的场景？
AI-Ready程度（AI-Readiness）
美国国家海洋和大气管理局（NOAA）曾出版了一本《企业数据管理手册》，NOAA在本书中指出AI-Readiness包含以下要素：
数据质量
完整性
一致性
无偏性
时效性
来源和可靠性
访问
数据格式
交付选项
使用权（清晰、机器可读的许可证）
安全/隐私（保护受限数据）
文档
机器可读的元数据（关于数据的信息）
数据字典（关于每个参数的信息）
标识符（唯一标识数据集的编号/代码）
NOAA提出了一个四级成熟度模型，并详细描述了每个等级的特征，为数据集的AI-Readiness提供了一个快速评估的框架。
级别：0（Not AI-Ready）
- 数据一致性角度：未进行内部一致性的检查
- 数据访问角度：仅通过请求或订单系统对公众开放使用
- 元数据角度：没有数据字典可用，或数据字典不是机器可读格式（例如PDF）
级别：1（Minimal）
- 数据一致性角度：手动一致性检查
- 数据访问角度：只有一个非程序化的访问选项，例如文件下载
- 元数据角度：数据字典是机器可读格式（例如CSV、XML、JSON）
级别：2（Intermediate）
- 数据一致性角度：一致性检查部分自动化，部分结果有文档记录
- 数据访问角度：多种访问方式，且至少包括一个可编程访问方法（API）
- 元数据角度：数据字典使用机器可读的元数据标准
级别：3（Optimal）
- 数据一致性角度：完全自动化的内部一致性检查和报告；且考虑了与社区数据集的外部一致性
- 数据访问角度：除多种交付选项（下载、API）外，还有基于云和高性能计算提供的数据即服务（DaaS）
- 元数据角度：机器可读的元数据标准；参数与行业标准或其他机构数据集标准协调一致
Is your data ready for AI? https://www.youtube.com/watch?v=0Ec0tgdpDEU
美国国家科学基金会如何定义AI-Ready数据集 https://nadc.china-vo.org/article/20241219164120
AI Ready Data: Forging the Path to Reliable and Scalable AI https://www.youtube.com/watch?v=pNVLfcRWbSE