Dimensões dos dados responsáveis

O começo de qualquer projeto envolve entender como integrar e implementar dimensões de dados responsáveis. Isso garante que as ferramentas de IA sejam desenvolvidas e usadas de forma ética e aumenta a confiança do público.

Este exercício faz parte do curso

Gerenciamento responsável de dados de IA

Exercício interativo prático

Transforme a teoria em ação com um de nossos exercícios interativos

Começar o exercício

Este exercício faz parte do curso

Gerenciamento responsável de dados de IA

IntermediárioNível de habilidade

4.7+

Iniciar curso de graça

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.

Exercise 1: Dimensões responsáveis dos dados Exercise 2: Desenvolvendo IA de forma responsável Exercise 3: Dimensões dos dados responsáveis

Exercício atual

Exercise 4: Métricas de IA responsável Exercise 5: Planejando um projeto de IA responsável Exercise 6: Uso responsável dos dados Exercise 7: Justiça nos projetos de IA Exercise 8: Desafios da IA responsável Exercise 9: Compromissos na IA responsável Exercise 10: O que a gente faz e como a gente faz

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.

Exercise 1: Visão geral da regulamentação de dados Exercise 2: Leis de proteção de dados Exercise 3: Regulamentação de dados em um projeto Exercise 4: Conformidade dos dados Exercise 5: Direitos do dono dos dados e conformidade Exercise 6: Acordos de uso de dados (DUAs)Exercise 7: Licenciamento por terceiros Exercise 8: Tipos de licenças Exercise 9: Contratos de licença Exercise 10: Escolhendo uma licença Exercise 11: Governança de dados e plano de gerenciamento de dados (DMP)Exercise 12: Gerenciamento de dados Exercise 13: Componentes de um DMP

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.

Exercise 1: Fontes de dados Exercise 2: Tipos de fontes de dados Exercise 3: Fonte dos dados e dimensões responsáveis Exercise 4: Limitações da fonte dos dados Exercise 5: Limitações nas fontes de dados Exercise 6: Fontes de dados e viés Exercise 7: Escolha da fonte dos dados Exercise 8: A gente dá uma olhada em como os dados foram coletados e se eles são Exercise 9: Aumento de dados Exercise 10: Integração de dados Exercise 11: Etapas da integração de dados Exercise 12: Riscos e vantagens da integração de dados

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!

Exercise 1: Auditoria de dados Exercise 2: Auditoria de dados no ciclo de vida do projeto Exercise 3: Precisa de uma auditoria de dados?Exercise 4: Validação dos dados Exercise 5: Definindo a validação de dados Exercise 6: Abordagens de validação de dados Exercise 7: Melhores práticas de validação de dados Exercise 8: Análise de subgrupos Exercise 9: Validação dos dados no projeto Exercise 10: Pré-processamento e viés Exercise 11: Redução do viés Exercise 12: Estratégias de mitigação Exercise 13: Reduzir o viés durante todo o ciclo de vida do projeto Exercise 14: Consequências da redução do viés Exercise 15: Viés pós-implantação Exercise 16: Parabéns!