or
Este exercício faz parte do curso
Conheça a teoria básica por trás do gerenciamento responsável de dados em IA. Você vai dar uma olhada em coisas importantes como segurança, transparência, justiça e muito mais antes de pensar nas métricas e nos desafios relacionados a essas dimensões e entender como equilibrar a IA responsável com outras necessidades comerciais e técnicas.
A regulamentação dos dados é essencial para a legalidade de qualquer projeto de IA. Fique por dentro das principais regulamentações, licenças de terceiros e estratégias de conformidade para consentimento informado e acordos de compartilhamento de dados (com um advogado). Por fim, você vai aprender a criar estratégias de governança de dados e planos de gerenciamento bem legais para garantir que seu projeto continue em conformidade durante todo o seu ciclo de vida.
Navegue pela seleção e integração responsáveis de fontes de dados, entendendo a importância da origem, natureza e temporalidade dos dados, com foco na conformidade legal, diversidade e justiça. Ao explorar os tipos de preconceito e suas origens, você analisará a imparcialidade e a representatividade dos dados para criar um conjunto de dados abrangente para modelagem.
Entenda o que é auditoria de dados, validação de dados e como diminuir o viés. Pré-processamento de dados e detecção de vieses na modelagem não parecem muito divertidos, mas vamos simplificá-los com abordagens comuns e técnicas confiáveis!
Exercício atual