Gỡ rối bài toán dữ liệu

Chinh phục thiên lệch dữ liệu

Konstantinos Kattidis

Data Analytics Lead

Dữ liệu dẫn dắt quyết định

  • Ra quyết định dựa trên dữ liệu đã thay đổi nhiều ngành trên toàn cầu

  • Việc áp dụng dữ liệu và AI đã mở rộng sang các lĩnh vực quan trọng như:

    • Công bằng xã hội
    • Sàng lọc tuyển dụng
    • Giao diện tương tác như trợ lý ảo

Tình huống dùng quyết định dựa trên dữ liệu

Chinh phục thiên lệch dữ liệu

Sự xuất hiện của thiên lệch dữ liệu

Cùng với các tiến bộ này là lo ngại về sự hiện diện của thiên lệch trong các giải pháp.

Sàng lọc CV

  • Amazon đã dừng mô hình chấm điểm ứng viên phù hợp vì mô hình ưu ái ứng viên nam
Chinh phục thiên lệch dữ liệu

Thiên lệch dữ liệu là gì?

  • Phát sinh khi dữ liệu hạn chế, phản ánh sai hoặc thiếu công bằng về quần thể

  • Do nhiều yếu tố như:

    • Mất cân bằng, thiếu đại diện
    • Định kiến lịch sử
    • Thiên kiến nhận thức

  • Làm giảm độ chính xác và tin cậy của dữ liệu, kém hiệu quả trong hỗ trợ ra quyết định

Nguồn gốc của thiên lệch dữ liệu

Chinh phục thiên lệch dữ liệu

Trường hợp Amazon

  • Mô hình của Amazon được huấn luyện trên hồ sơ nộp trong 10 năm.
  • Trong giai đoạn này, ứng viên nam được tuyển hoặc ưu ái nhiều hơn.
  • Mô hình thiên lệch về phía ứng viên nam do mẫu hình tuyển dụng lịch sử.
  • Giải quyết thiên lệch cần xem xét cả chất lượng dữ liệu và quy trình con người.

Hộp Amazon và sàng lọc CV

Chinh phục thiên lệch dữ liệu

Giới thiệu khóa học

Chinh phục thiên lệch

Chương 1 - Tìm hiểu tác động của thiên lệch dữ liệu đến quyết định và vì sao cần cân nhắc thiên lệch khi làm việc với dữ liệu.

Chương 2 - Tìm hiểu các dạng thiên lệch trong thu thập dữ liệu và cách áp dụng kỹ thuật để giảm thiểu.

Chương 3 - Tìm hiểu các dạng thiên lệch thường gặp khi phân tích và chia sẻ kết quả. Cách nhận diện và giảm thiểu thiên lệch.

Chinh phục thiên lệch dữ liệu

Luyện tập thôi!

Chinh phục thiên lệch dữ liệu

Preparing Video For Download...