Truy cập ngày 1 tháng 10 năm 2012.  ^ Practical Responsible AI: Fairness and Bias in Machine Learning

Xây dựng các mô hình học máy mạnh mẽ không còn là đủ; đảm bảo chúng công bằng, minh bạch và không thiên vị bây giờ là một yêu cầu quan trọng cho phát triển phần mềm hiện đại. Chương trình này giới thiệu cho bạn những nguyên tắc cơ bản của AI đạo đức, giúp bạn chuyển đổi từ viết thuật toán tiêu chuẩn sang phát triển các mô hình có trách nhiệm xã hội. Thông qua hướng dẫn toàn diện này, bạn sẽ học cách xác định thiên hướng hệ thống trong các tập dữ liệu huấn luyện, đánh giá tính công bằng của mô hình bằng cách sử dụng các chỉ số công nghiệp tiêu chuẩn và thực hiện các chiến lược giảm thiểu thực tế. Bằng cách khám phá các khung hiện đại và các thực tiễn sắp xếp mã nguồn mở, bạn sẽ có được các kỹ năng cần thiết để thiết kế các hệ thống tôn trọng sự đa dạng người dùng và tuân thủ các tiêu chuẩn phù hợp hiện tại. Bạn sẽ học được: - Hiểu các nguyên tắc cốt lõi của AI có trách nhiệm và các khung phát triển đạo đức. - Nhận dạng các nguồn thiên vị khác nhau trong các tập dữ liệu và các đường ống học máy. - Đo lường công bằng bằng cách sử dụng các chỉ số định lượng như tỷ lệ dân số và tỷ lượt. - Ứng dụng các kỹ thuật giảm nhẹ hiện đại để giảm thiên vị trong các giai đoạn trước, trong và sau xử lý. - Đánh giá các mô hình ngôn ngữ lớn và hệ thống AI sinh học cho các tác hại tiềm ẩn và độc tính. - Thực hiện các công cụ kiểm toán mã nguồn mở để tạo báo cáo công bằng cho các bên liên quan xem xét. Chương trình này bắt đầu với các định nghĩa cơ bản của tính công bằng thuật toán trước khi hướng dẫn bạn qua các mã viết và phân tích cấu trúc của các kịch bản giảm thiên vị thế giới thực. Được thiết kế cho các nhà phát triển, nhà khoa học dữ liệu và quản lý sản phẩm kỹ thuật mới đến AI đạo đức, khóa học này chỉ yêu cầu sự quen thuộc lập trình cơ bản và không có nền tảng trước đó trong thống kê. Bắt đầu đọc hôm nay để xây dựng hệ thống học máy mà mọi người có thể tin tưởng.