In this course, we will explore fundamental issues of fairness and bias in machine learning. As predictive models begin making important decisions, from college admission to loan decisions, it becomes paramount to keep models from making unfair predictions. From human bias to dataset awareness, we will explore many aspects of building more ethical models.
Этот курс входит в специализацию ''Специализация Ethics in the Age of AI'
3 350 уже зарегистрированы
от партнера
Специализация Ethics in the Age of AILearnQuestОб этом курсе
Недавно просмотрено: 3 821
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 2 из 4 в программе
Начальный уровень
Прибл. 6 часов на выполнение
Английский
Субтитры: Французский, Португальский (Европа), Русский, Английский, Испанский
Приобретаемые навыки
- machine learning fairness
- Ethics
- data bias
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 2 из 4 в программе
Начальный уровень
Прибл. 6 часов на выполнение
Английский
Субтитры: Французский, Португальский (Европа), Русский, Английский, Испанский
от партнера
LearnQuest
LearnQuest is the preferred training partner to the world’s leading companies, organizations, and government agencies. Our team boasts 20+ years of experience designing, developing and delivering a full suite industry-leading technology education classes and training solutions across the globe. Our trainers, equipped with expert industry experience and an unparalleled commitment to quality, facilitate classes that are offered in various delivery formats so our clients can obtain the training they need when and where they need it.
Программа курса: что вы изучите
2 ч. на завершение
Fairness and protections in machine learning
Welcome to the course! In week one, we will be discussing what fairness means in the context of machine learning and what true parity means in different scenarios
2 ч. на завершение
5 видео ((всего 19 мин.)), 2 материалов для самостоятельного изучения, 3 тестов
2 ч. на завершение
Building fair models: theory and practice
This week we will take action against unfairness. Now that we have an understanding of fairness issues, how do we build models that do not violate them?
2 ч. на завершение
5 видео ((всего 21 мин.)), 2 материалов для самостоятельного изучения, 3 тестов
2 ч. на завершение
Human factors: minimizing bias in data
This week, we will tackle the human biases that enter the data collection and attribute selection processes. The goal? Removing bias before the model is built
2 ч. на завершение
5 видео ((всего 33 мин.)), 2 материалов для самостоятельного изучения, 3 тестов
Рецензии
Лучшие отзывы о курсе ARTIFICIAL INTELLIGENCE DATA FAIRNESS AND BIAS
от партнера AV14 янв. 2021 г.
Extraodinary course! I've learnt so much! The classes are very informative and dynamic. Didn't feel like studying but rather entertaining myself with hight quality content! Thank you so much!
от партнера CM2 окт. 2021 г.
An excellent reminder that the bias-variance trade-off is not the only trade-off machine learning specialists make.
от партнера SY30 мар. 2021 г.
A relatively short and interesting course on data fairness and bias impacting AI models.
Специализация Ethics in the Age of AI: общие сведения
As machine learning models begin making important decisions based on massive datasets, we need to be aware of their limitations. In this specialization, we will explore the rise of algorithms, fundamental issues of fairness and bias in machine learning, and basic concepts involved in security and privacy of machine learning projects. We'll finish with a study of 3 projects that will allow you to put your new skills into action.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оформив подписку на специализацию?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
