הוגנות: תרגיל תכנות
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
התרגיל הבא מדגים איך ניתן לבדוק מערכי נתונים בצורה הוגנת
ואיך להשתמש באסטרטגיות לתיקון דעות קדומות כדי לשמור על הוגנות.
בעיות:
תרגילי תכנות פועלים ישירות בדפדפן שלך (ללא הגדרה)
חובה!) באמצעות Colaboratory
הפלטפורמה. Colaboratory נתמך ברוב הדפדפנים המובילים,
נבדק ביסודיות בגרסאות של Chrome ו-Firefox למחשב.
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2024-08-13 (שעון UTC).
[null,null,["עדכון אחרון: 2024-08-13 (שעון UTC)."],[[["\u003cp\u003eThis exercise demonstrates how to audit data sets for fairness and apply bias-remediation strategies.\u003c/p\u003e\n"],["\u003cp\u003eThe programming exercises are run directly in your browser using the Colaboratory platform with no setup required.\u003c/p\u003e\n"],["\u003cp\u003eColaboratory is supported on most major browsers and is most thoroughly tested on desktop versions of Chrome and Firefox.\u003c/p\u003e\n"],["\u003cp\u003eUsers can access a Help Center for support with machine learning education.\u003c/p\u003e\n"]]],[],null,["# Fairness: Programming exercise\n\nThe following exercise demonstrates how to audit data sets with fairness in\nmind, and how to employ bias-remediation strategies to address fairness\nissues: \n[Open fairness exercise](https://colab.research.google.com/github/google/eng-edu/blob/main/ml/cc/exercises/fairness_income.ipynb?utm_source=mlcc&utm_campaign=colab-external&utm_medium=referral&utm_content=fairness)\n\nProgramming exercises run directly in your browser (no setup\nrequired!) using the [Colaboratory](https://colab.research.google.com)\nplatform. Colaboratory is supported on most major browsers, and is most\nthoroughly tested on desktop versions of Chrome and Firefox. \n[Help Center](https://support.google.com/machinelearningeducation)"]]
