Создание справедливых алгоритмов искусственного интеллекта: практические шаги к беспристрастному машинному обучению

Алгоритмы всё чаще принимают важные решения в сфере здравоохранения, найма персонала и финансов, но незамеченные алгоритмические ошибки могут привести к несправедливым и дискриминационным результатам. Этот курс предоставит вам фундаментальные знания и практические методологии для аудита, оценки и смягчения предвзятости в моделях машинного обучения с использованием современных инструментов Python. Что вы узнаете: основные понятия алгоритмической справедливости, этического ИИ и общих источников искажения данных; измерение искажения с помощью стандартных математических показателей справедливого отношения и современных библиотек оценки; применение методов предварительной, внутренней и последующей обработки для конвейеров машинного обучения; настройка мониторинга справедливой оценки Разработка рамок оценки для тестирования производительности модели в различных демографических группах; Анализ реальных тематических исследований в области здравоохранения и набора персонала для выявления этических ловушек. Начиная с основных этических определений и концепций подготовки данных, курс пошагово знакомит вас с примерами написанного кода, реализацией алгоритмов смягчения и созданием долгосрочных систем мониторинга. Этот текстовый курс предназначен для начинающих, и для его прохождения не требуется никаких специальных математических знаний, достаточно простого знакомства с программированием. Начните читать сегодня и создавать системы ИИ, которым каждый может доверять.