공정성

예상 모듈 길이: 110분

머신러닝 모델 (ML)을 책임감 있게 평가하려면 전체 손실 측정항목을 계산하기만 하면 됩니다. 모델을 프로덕션에 배치하기 전에 학습 데이터를 감사하고 예측을 평가하여 편향.

이 모듈에서는 다양한 유형의 인간 편향이 학습 데이터입니다. 그런 다음 이를 식별하고 완화하기 위한 전략을 제시합니다. 공정성을 염두에 두고 모델 성능을 평가하세요.

학습 목표

이 모듈에서는 확인할 수 있습니다

• 인간의 일반적인 편향이 ML 알고리즘에 의해 의도치 않게 재현될 수 있음을 인지합니다.
• 모델을 학습시키기 전에 데이터를 적극적으로 탐색하여 편향의 원인을 파악합니다.
• 모델 예측의 편향을 평가합니다.

를 통해 개인정보처리방침을 정의할 수 있습니다.

를 통해 개인정보처리방침을 정의할 수 있습니다.

기본 요건:

• 머신러닝 소개
• 선형 회귀
• 로지스틱 회귀
• Classification
• 수치 데이터 다루기
• 범주형 데이터 작업
• 데이터 세트, 일반화, 과적합

핵심 용어:

• 편향성 (윤리/공정성)
• 모델