Logo
☆☆☆☆☆
0.0
Intermediate
4h

人工智能公平性基础

在本课程中,你将学习人工智能公平性的基本概念,这是负责任的人工智能(Responsible AI)整体框架的重要组成部分。随着人工智能在日常生活中的作用日益增强,确保算法对所有人都公平变得愈发重要。 你将使用 Python 和多种类型的模型展开实践,从简单的回归模型到 Transformer 模型。你将了解什么是人工智能公平性,如何衡量模型是否公平,以及最重要的是,如何修复存在偏见的系统。课程内容涵盖结构化数据(表格数据)和文本数据。 完成本课程后,你将能够识别出需要关注公平性的应用场景,并制定策略以确保用户获得无偏见的体验。该策略将从识别偏见来源开始,通过评估问题的严重程度,进而实施相应的纠正措施。这将帮助你构建更优质的模型,特别是在那些决策结果会对人类生活产生重大影响的领域。

6 Lessons
Included in Subscription Plan
Personalized Learning
Powered by AI
人工智能公平性基础
在本课程中,你将学习人工智能公平性的基本概念,这是负责任的人工智能(Responsible AI)整体框架的重要组成部分。随着人工智能在日常生活中的作用日益增强,确保算法对所有人都公平变得愈发重要。 你将使用 Python 和多种类型的模型展开实践,从简单的回归模型到 Transformer 模型...

WHAT YOU'LL LEARN

了解人工智能公平性的角色及其重要性

TAKEAWAY SKILLS

Data Science
Machine Learning

Content

6 Lessons • 0 Quizzes • 0 Challenges

AI公平性简介
  1. 1

    什么是人工智能公平性?为何它如此重要?

  2. 2

    现实生活中的示例

  3. 3

    正式定义与监管中的公平性

动机示例
  1. 1

    信用评分问题

  2. 2

    构建模型

  3. 3

    模型是否公平?

  4. 4

    挑战:通过无知实现公平性

  5. 5

    德国评分问题测验

缓解方法
  1. 1

    数据偏差与模型偏差

  2. 2

    缓解方法简介

  3. 3

    关于阈值优化的更多内容

  4. 4

    重加权

  5. 5

    归约

  6. 6

    对抗性去偏

  7. 7

    其他方法与总结

  8. 8

    测验:减轻偏见

衡量公平性
  1. 1

    受保护的属性

  2. 2

    太空大学示例

  3. 3

    辛普森悖论

  4. 4

    群体公平与个体公平

  5. 5

    常见指标快速回顾

  6. 6

    人口统计平等性

  7. 7

    预测均等性

  8. 8

    机会均等

  9. 9

    均衡几率

  10. 10

    阈值选择的影响

  11. 11

    测验:公平性指标

自然语言处理中的公平性
  1. 1

    词嵌入

  2. 2

    有偏向量

  3. 3

    去偏向量

  4. 4

    词嵌入关联测试

  5. 5

    数据增强

  6. 6

    测验:NLP中的公平性

结论
  1. 1

    总结与下一步

Certificate of Completion

Showcase your accomplishment by sharing your certificate of completion.

Course Author:Anonymous User

Reviews

Read reviews from students who have taken this course and share your own experience.

Reviews & Comments (0)