Justiça

Duração estimada do módulo:110 minutos

Avaliar um modelo de machine learning (ML) de forma responsável requer mais do que apenas calcular as métricas de perda geral. 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 mitigá-los e, em seguida, avaliar a performance do modelo com imparcialidade.

Objetivos de aprendizagem

• 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:

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

• 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