在影片中,我們提到一款由 AI 驅動的招募軟體,因為學到了歷史上男性被錄用較多的模式,而偏好男性。當模型會影響人們的生活時,我們必須仔細評估它是否從歷史資料中學到了任何歧視行為。
在這個練習中,你有一個模型試圖預測某人是否會在貸款上違約。你可以依不同特徵(例如人口學資料與就業狀態)來拆解預測結果。請探索這些特徵,看看能否發現哪些族群被預測為會違約、哪些不會,有沒有可疑之處。
在部署模型前,哪一個特徵最應該進一步調查其可能的偏誤?
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
本章將定義機器學習,並說明它與資料科學及人工智慧的關係。接著,我們會拆解常見的機器學習術語,最後介紹用於建置模型的機器學習工作流程。
既然你已經了解機器學習的基礎,我們就更深入一些。本章結束時,你會知道機器學習的不同類型,以及如何評估並改進你的模型。
本章將從神經網路開始,帶你拆解深度學習。接著,我們會更深入探討深度學習的兩個常見應用:電腦視覺與自然語言處理。最後,我們將以機器學習的限制與風險作為課程總結。
當前練習