一个 AI 教育项目旨在根据学生的学习风格、表现和偏好，创建一个为潜在学生推荐学习资料的模型。为了确保推荐结果公平，您需要对数据进行验证。
以下哪些步骤与数据验证相关？请选择 3 个符合的答案。
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
了解 AI 中负责任数据管理的基本理论。您将回顾安全性、透明性、公平性等关键维度，并在此基础上思考与这些维度相关的度量与挑战，理解如何在负责任的 AI 与其他业务和技术需求之间取得平衡。
数据监管是任何 AI 项目合法性的基础。了解关键法规、第三方许可，以及就知情同意与数据共享协议（需法律顾问参与）的合规策略。最后，您将学习如何制定健全的数据治理策略与数据管理计划，确保项目在整个生命周期内保持合规。
通过理解数据来源、性质与时效性的重要性，掌握负责任地选择与整合数据源的方法，重点关注合法合规、多样性与公平性。通过探索偏差类型及其来源，您将从数据公平与代表性出发，构建用于建模的全面数据集。
理解数据审计、数据验证与偏差缓解。数据预处理与在建模中捕捉偏差听起来或许不有趣，但让我们用常见方法与可靠技术来简化这一过程！
当前练习
