Публикации по теме 'fairness'


Объяснимость и справедливость искусственного интеллекта (потребительский кредит) — Аналитика Стэнфорда и FinRegLab
Глубокая исследовательская работа от FinRegLab и Стэнфорда. Белая книга и панельные доклады семинара доступны здесь . Технический документ составляет ~120 страниц, мои заметки — ~20 страниц, а этот блог, вероятно, состоит из 4–5 страниц. Так что это очень-очень сжато — рекомендую прочитать статью полностью — но, конечно же, после прочтения моего блога! Для привлечения внимания я аннотировал рекомендации таким образом, чтобы вы могли отсканировать и выбрать 13 рекомендаций, игнорируя..
От предвзятости к балансу: продвижение справедливости в прогнозировании заработной платы с помощью машинного обучения
Проверка гендерного разрыва с помощью пакета Python dalex и его уменьшение за счет перетасовки чувствительных столбцов и масштабирования данных Один из выводов моей предыдущей статьи о сообщаемых зарплатах в США,
Нечестные предубеждения в машинном обучении: что, почему, где и как их устранить
Обзор справедливости машинного обучения Эта статья знакомит с принципом справедливости машинного обучения, чтобы дать читателю представление о проблеме в целом. Честно говоря, это исследование окрашено моим собственным предвзятым пониманием этой области. Моя цель здесь - прежде всего задавать правильные вопросы. Это обширная область, и когда она кажется важной, я даю ссылки на более глубокие исследования, в которых подробно описаны причины, последствия и меры справедливости. В 2016..
Привет Суреш,
Привет Суреш, Я немного новичок в изучении алгоритмов и не совсем понимаю ваш аргумент. Вы говорите: «Это игра в рулетку на 50-мерном колесе, которое приземляется в определенном месте (рецепте) полностью на основе того, как оно было обучено, какие примеры оно видело и сколько времени ушло на поиск». Не правда ли, что если бы обучающие примеры всегда были одними и теми же, а время поиска и начальные параметры одинаковыми и т. д., то результирующая модель всегда была бы одной и той же?..
Интерпретируемость машинного обучения: раскрытие черного ящика
Введение: Модели машинного обучения произвели революцию в различных отраслях, позволив нам делать прогнозы, получать информацию и автоматизировать сложные задачи. Однако одной из основных проблем со многими алгоритмами машинного обучения является присущее им отсутствие интерпретируемости. Такие модели, как глубокие нейронные сети, часто называют «черными ящиками», потому что понимание их процесса принятия решений может быть неуловимым. Это отсутствие интерпретируемости вызывает..
За пределами прошлого и настоящего: интеграция потенциала для индивидуального и общественного роста и…
За пределами прошлого и настоящего: интеграция потенциала индивидуального и общественного роста и прогресса в машинном обучении Как инженер-программист, я в основном занимался фронтенд- и бэкенд-разработкой и интеграцией. Однако мой недавний опыт работы со структурами данных и алгоритмами заставил меня лучше осознать природу «черного ящика» и возможность предвзятости в системах машинного обучения. Хотя прошлые данные могут помочь предсказать будущие тенденции, я считаю, что мы должны..
почему справедливость? как определить справедливость? как сохранить справедливость?
1. Введение Этот пост будет первым в серии. Цель этой публикации: предоставлять ссылки и ресурсы читателям на всех уровнях, которые заинтересованы в Fair ML. Вступление Содержание основано на учебнике по справедливости , представленном Солоном Бакрокасом и Морицем Хардтом на NIPS2017, день 1 и день 4 из CS 294: Справедливость в машинном обучении , который преподает Мориц Хардт из Калифорнийского университета в Беркли, и мое собственное понимание литературы по вопросам..