Definições de Justiça em Aprendizado de Máquina | Oportunidade Igual, Chances Igualadas & Impacto Desproporcional

Existem várias abordagens para medir a injustiça em modelos de aprendizado de máquina. Exploramos como usar a acurácia e 3 definições de justiça - Oportunidade Igual, Chances Igualadas & Impacto Desproporcional. Esclarecemos as maneiras sutis em que a justiça pode ser entendida no contexto da tomada de decisão algorítmica. Junte-se a nós enquanto navegamos por este tópico crucial, proporcionando a você uma compreensão abrangente da justiça em aprendizado de máquina e suas implicações para a construção de sistemas de IA justos e equitativos.

*NOTA*: Você agora receberá o curso de XAI gratuitamente se se inscrever (não o curso de SHAP)

Curso de SHAP: https://adataodyssey.com/courses/shap-with-python/

Curso de XAI: https://adataodyssey.com/courses/xai-with-python/

Inscrição na newsletter: https://mailchi.mp/40909011987b/signup

Leia o artigo complementar (link sem paywall):

Outros artigos que você pode achar úteis:

Introdução à Justiça Algorítmica: https://towardsdatascience.com/what-is-algorithm-fairness-3182e161cf9f?sk=147caf6c92b3311b9948f6361281efec

Razões para Injustiça: https://towardsdatascience.com/algorithm-fairness-sources-of-bias-7082e5b78a2c?sk=c2491fc4e709375298671ca25a3d3ffe

Corrigindo a Justiça: https://towardsdatascience.com/approaches-for-addressing-unfairness-in-machine-learning-a31f9807cf31?sk=67367763ce822cf60794ce7e544ba6ef

Medium: https://conorosullyds.medium.com/

Twitter: https://twitter.com/conorosullyDS

Mastodon: https://sigmoid.social/@conorosully

Website: https://adataodyssey.com/