あなたは大学向けのAI入学選考システムを開発するチームの一員です。このシステムは、複数の要素に基づいて志願者を公正に評価することを目的としています。チームは、プロジェクトの公正性を評価するために、disparate impact、equal opportunity、demographic parity の3つのアプローチを検討しています。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
AIにおける責任あるデータマネジメントの基本理論を学びます。セキュリティ、透明性、公平性などの主要な側面を確認し、これらに関連する指標や課題を概念化して、責任あるAIと他のビジネス・技術要件とのバランスの取り方を理解します。
現在の演習
AIプロジェクトの合法性には、データ規制が不可欠です。主要な規制、サードパーティライセンス、インフォームド・コンセントやデータ共有契約（法務と連携）に向けたコンプライアンス戦略について学びます。最後に、プロジェクトのライフサイクル全体で遵守を維持するための、堅牢なデータガバナンス戦略とデータマネジメント計画の策定方法を学びます。
データの出所、性質、時点性の重要性を理解し、法令遵守、多様性、公平性を重視しながら、データソースの責任ある選定と統合を進めます。バイアスの種類とその起源を探ることで、データの公平性と代表性を考慮し、モデリングに向けた包括的なデータセットを作成します。
データ監査、データ検証、バイアス低減を理解します。データ前処理やモデリング中のバイアス検出は地味に思えるかもしれませんが、一般的なアプローチと信頼できる手法で効率化していきましょう。
