ความยุติธรรม

ความยาวโมดูลโดยประมาณ: 110 นาที

การประเมินโมเดลแมชชีนเลิร์นนิง (ML) อย่างมีความรับผิดชอบนั้นต้องทํามากกว่าแค่คํานวณเมตริกการสูญเสียโดยรวม ก่อนนำโมเดลไปใช้งานจริง คุณควรตรวจสอบข้อมูลการฝึกและประเมินการคาดการณ์เพื่อหาอคติ

โมดูลนี้จะพิจารณาอคติประเภทต่างๆ ของมนุษย์ที่อาจปรากฏในข้อมูลการฝึก จากนั้นจะระบุกลยุทธ์ในการระบุและลดปัญหาดังกล่าว แล้วประเมินประสิทธิภาพของโมเดลอย่างเป็นธรรม

วัตถุประสงค์ของการเรียนรู้

โมดูลนี้จะถือว่าคุณคุ้นเคยกับแนวคิดที่ครอบคลุมในโมดูลต่อไปนี้

• ตระหนักถึงอคติที่พบบ่อยของมนุษย์ซึ่งอัลกอริทึม ML อาจเลียนแบบโดยไม่ได้ตั้งใจ
• สํารวจข้อมูลเพื่อระบุแหล่งที่มาของอคติก่อนฝึกโมเดล
• ประเมินการคาดการณ์ของโมเดลเพื่อหาการให้น้ำหนักพิเศษ

ข้อกําหนดเบื้องต้น:

• ข้อมูลเบื้องต้นเกี่ยวกับแมชชีนเลิร์นนิง
• การถดถอยเชิงเส้น
• การถดถอยแบบโลจิสติก
• การจัดประเภท
• การทำงานกับข้อมูลที่เป็นตัวเลข
• การทํางานกับข้อมูลเชิงหมวดหมู่
• ชุดข้อมูล การสรุป และการปรับมากเกินไป

คําสําคัญ:

• อคติ (จริยธรรม/ความเป็นธรรม)
• โมเดล