AWS Certified AI Practitioner
Jeux de données, biais et équité
Par où le biais entre dans un modèle via ses données d'entraînement, ce qui fait un jeu de données inclusif et équilibré, et pourquoi le mot biais désigne deux choses différentes à l'examen.
Intermédiaire 22 minutes 5 Objectifs d'apprentissage
- Identifier les voies par lesquelles le biais entre dans un modèle via ses données d'entraînement
- Décrire les caractéristiques d'un bon jeu de données : inclusivité, diversité, sources curées et équilibre
- Distinguer le biais statistique et la variance du biais sociétal, et les relier au sous-apprentissage et au surapprentissage
- Expliquer pourquoi des définitions concurrentes de l'équité ne peuvent pas être satisfaites en même temps
- Choisir des mesures correctives au stade des données face à un problème de biais décrit