Veri ikilemini çözmek

Veri Önyargısını Alt Etmek

Konstantinos Kattidis

Data Analytics Lead

Veri ile karar verme

Veri odaklı karar verme, dünya genelinde sektörleri dönüştürdü
Veri ve yapay zekâ kullanımı, şu kritik alanlara da yayıldı:
- Sosyal adalet
- İşe alım taraması
- Sanal asistanlar gibi etkileşimli arayüzler

Veri odaklı karar vermenin kullanım alanları

Bu ilerlemelerle birlikte, bu çözümlerde önyargıların varlığına ilişkin kaygılar ortaya çıktı.

CV tarama

Amazon, erkek adayları kayırdığı için uygun adayları puanlayan modelini kapattı

Veri veya bilgi sınırlı olduğunda ortaya çıkar; nüfusu yanıltıcı veya adaletsiz yansıtır
Şu etkenlerden kaynaklanır:
- Dengesizlik ve temsilde yetersizlik
- Tarihsel önyargılar
- Bilişsel eğilimler
Verinin doğruluğunu ve güvenilirliğini zedeler; karar süreçlerinde etkinliğini düşürür

Veri önyargısının kökenleri

Amazon’un modeli 10 yıl boyunca sunulan özgeçmişlerle eğitildi.
Bu dönemde erkek adaylar, süreç tarafından orantısız biçimde işe alındı ya da kayırıldı.
Model, tarihsel işe alım örüntüleri nedeniyle erkek adaylara önyargılıydı.
Veri önyargısını ele almak, hem veri kümesinin kalitesini hem de insan süreçlerini incelemeyi gerektirir.

Amazon kutuları ve cv tarama

Önyargıyı yenin

Bölüm 1 - Veri önyargısının karar verme üzerindeki etkisini ve verilerle çalışırken neden dikkate alınması gerektiğini öğrenin.

Bölüm 2 - Veri toplamada görülen önyargı türlerini öğrenin ve bunu azaltma tekniklerini keşfedin.

Bölüm 3 - Analiz ve sonuç paylaşımında sık görülen önyargı türlerine bakacağız. Önyargıyı nasıl tespit edip nasıl azaltacağımıza dalacağız.

Veri Önyargısını Alt Etmek