Justiça

Duração estimada do módulo:110 minutos

Avaliar um modelo de machine learning (ML) de forma responsável requer fazer mais do que apenas calcular as métricas gerais de perda. Antes de colocar um modelo em produção, é fundamental auditar os dados de treinamento e avaliar as previsões em busca de viés.

Este módulo analisa diferentes tipos de vieses humanos que podem se manifestar nos dados de treinamento. Ele fornece estratégias para identificá-los e reduzi-los, e avaliar a performance do modelo com imparcialidade.

Objetivos de aprendizagem

Este módulo pressupõe que você já conhece os conceitos abordados nos seguintes módulos:

• Conheça os vieses humanos comuns que podem ser reproduzidos acidentalmente pelos algoritmos de ML.
• Analise os dados de forma proativa para identificar fontes de viés antes de treinar um modelo.
• Avalie as previsões do modelo para detectar vieses.

Pré-requisitos:

• Introdução ao aprendizado de máquina
• Regressão linear
• Regressão logística
• Classificação
• Como trabalhar com dados numéricos
• Como trabalhar com dados categóricos
• Conjuntos de dados, generalização e ajuste excessivo

Termos-chave

• Viés (ética/justiça)
• Modelo

Central de Ajuda