Justiça

Duração estimada do módulo:110 minutos

Avaliar um modelo de machine learning (ML) com responsabilidade exige mais do que para calcular as métricas gerais de perda. Antes de colocar um modelo em produção, é fundamental auditar os dados de treinamento e avaliar as previsões viés.

Este módulo analisa diferentes tipos de viés humano que podem se manifestar em dados de treinamento. Em seguida, ele apresenta estratégias para identificá-los e mitigá-los, e avaliar o desempenho do modelo com a imparcialidade em mente.

Objetivos de aprendizagem

Para este módulo, é preciso conhecer os conceitos abordados nos módulos a seguir:

• Conscientizar sobre o viés humano comum que pode ser reproduzido inadvertidamente por algoritmos de ML.
• Analisar os dados de maneira proativa para identificar fontes de viés antes de treinar um modelo.
• Avaliar se as previsões do modelo têm viés.

Pré-requisitos:

• Introdução ao machine learning
• Regressão linear
• Regressão logística
• Classificação
• Como trabalhar com dados numéricos
• Como trabalhar com dados categóricos
• Conjuntos de dados, generalização e overfitting

Termos-chave:

• Viés (ética/imparcialidade)
• Modelo

Central de Ajuda