Wykrywanie uprzedzeń w modelu przewidywania niespłacania kredytów
W filmie poznaliśmy przykład oprogramowania rekrutacyjnego opartego na AI, które preferowało mężczyzn, ponieważ uczyło się na danych historycznych z czasów, gdy częściej zatrudniano właśnie mężczyzn. Gdy modele wpływają na życie ludzi, trzeba dokładnie sprawdzać je pod kątem dyskryminacyjnych zachowań, które mogły zostać przyswojone z danych historycznych.
W tym ćwiczeniu masz do dyspozycji model, który próbuje przewidzieć, czy dana osoba nie spłaci kredytu. Wyniki predykcji możesz podzielić według różnych cech, takich jak dane demograficzne czy status zatrudnienia. Przeanalizuj te cechy i sprawdź, czy coś nie wydaje ci się podejrzane w tym, kto jest przewidywany jako osoba niespłacająca kredytu, a kto nie.
Która cecha powinna zostać dokładniej zbadana pod kątem potencjalnych uprzedzeń przed wdrożeniem modelu?
To ćwiczenie jest częścią kursu
Wprowadzenie do uczenia maszynowego
Interaktywne ćwiczenie praktyczne
Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń
Rozpocznij ćwiczenie