Equidad

Duración estimada del módulo: 110 minutos

La evaluación responsable de un modelo de aprendizaje automático (AA) requiere hacer más de calculando las métricas de pérdida generales. Antes de poner un modelo en producción, es fundamental auditar los datos de entrenamiento y evaluar las predicciones para sesgo.

Este módulo examina diferentes tipos de sesgos humanos que se pueden manifestar de los datos de entrenamiento. Luego, brinda estrategias para identificarlos y mitigarlos y evalúa el rendimiento del modelo teniendo en cuenta la equidad.

Objetivos de aprendizaje

En este módulo, se supone que estás familiarizado con los conceptos que se abordan en el los siguientes módulos:

• Conocer los sesgos humanos comunes que pueden reproducir los algoritmos de AA de forma involuntaria
• Explora los datos de forma proactiva para identificar las fuentes de sesgo antes de entrenar un modelo.
• Evaluar las predicciones del modelo para detectar sesgos

Requisitos previos:

• Introducción al aprendizaje automático
• Regresión lineal
• Regresión logística
• Clasificación
• Trabaja con datos numéricos
• Trabaja con datos categóricos
• Conjuntos de datos, generalización y sobreajuste

Términos clave:

• Sesgo (ética/equidad)
• Modelo

Centro de ayuda