Building Fair AI Algorithms: Practical Steps for Unbiased Machine Learning (bằng tiếng Anh).

Thuật toán ngày càng đưa ra các quyết định quan trọng trong chăm sóc sức khỏe, thuê và tài chính, nhưng thiên hướng thuật toán không được phát hiện có thể dẫn đến kết quả bất công và phân biệt đối xử. Lớp học viết này trang bị cho bạn kiến thức cơ bản và phương pháp thực hành để kiểm toán, đánh giá và giảm bớt thiên vị trong các mô hình học máy sử dụng các công cụ Python hiện đại. Bạn sẽ học được gì: Hiểu các khái niệm cốt lõi của tính công bằng thuật toán, AI đạo đức và nguồn thông thường của thiên kiến dữ liệu; Đo thiên kiến bằng cách sử dụng các chỉ số công bằng toán học tiêu chuẩn và thư viện đánh giá hiện đại; Ứng dụng các kỹ thuật giảm thiểu trước, trong và sau xử lý cho các đường ống học máy; Cấu hình giám sát công bằng như một phần của một MLOps hiện đại để đảm bảo tuân thủ liên tục; Thiết kế các khung đánh giá để kiểm tra hiệu suất mô hình trên các nhóm nhân khẩu học khác nhau; Phân tích các nghiên cứu trường hợp thực tế trong chăm sóc sức khỏe và tuyển dụng để xác định bẫy đạo đức. Bắt đầu với các định nghĩa đạo đức thiết yếu và các khái niệm chuẩn bị dữ liệu, khóa học hướng dẫn bạn từng bước qua các ví dụ mã viết, thực hiện các thuật toán giảm nhẹ, và thiết lập các hệ thống giám sát dài hạn. Được thiết kế cho người mới bắt đầu, khóa học dựa trên văn bản này chỉ yêu cầu sự quen thuộc cơ bản với lập trình và không có nền tảng toán học cao cấp. Bắt đầu đọc hôm nay và xây dựng hệ thống AI mà mọi người có thể tin tưởng.