يتطلّب تقييم نموذج تعلُّم الآلة بمسؤولية إجراء ما هو أكثر من
مجرد احتساب مقاييس الخسارة الإجمالية. قبل طرح نموذج،
من المهم تدقيق بيانات التدريب وتقييم التوقّعات بحثًا عن
الانحياز.
تتناول هذه الوحدة الأنواع المختلفة من التحيزات البشرية التي يمكن أن تظهر في
بيانات التدريب. بعد ذلك، تقدّم استراتيجيات لتحديد هذه العوامل والحدّ منها،
ثم تقييم أداء النموذج مع مراعاة العدالة.
تاريخ التعديل الأخير: 2025-01-03 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2025-01-03 (حسب التوقيت العالمي المتفَّق عليه)"],[[["This module focuses on identifying and mitigating human biases that can negatively impact machine learning models."],["You'll learn how to proactively examine data for potential bias before model training and how to evaluate your model's predictions for fairness."],["The module explores various types of human biases that can unintentionally be replicated by machine learning algorithms, emphasizing responsible AI development."],["It builds upon foundational machine learning knowledge, including linear and logistic regression, classification, and handling numerical and categorical data."]]],[]]
