Rozwiązywanie dylematu danych

Opanuj stronniczość danych

Konstantinos Kattidis

Data Analytics Lead

Dane w podejmowaniu decyzji

Podejmowanie decyzji oparte na danych zrewolucjonizowało branże na całym świecie
Zastosowanie danych i AI rozszerzyło się na obszary takie jak:
- Sprawiedliwość społeczna
- Rekrutacja pracowników
- Interfejsy interaktywne, np. wirtualni asystenci

Zastosowania podejmowania decyzji opartego na danych

Wraz z tymi postępami pojawiły się obawy dotyczące stronniczości w tych rozwiązaniach.

Screening CV

Amazon wycofał model oceniający kandydatów do pracy, ponieważ faworyzował mężczyzn

Powstaje, gdy dane są ograniczone i przedstawiają niepełny lub niesprawiedliwy obraz populacji
Wynika z różnych czynników, takich jak:
- Nierównowaga i niedoreprezentowanie
- Historyczne uprzedzenia
- Skłonności poznawcze
Obniża dokładność i wiarygodność danych, ograniczając ich przydatność w procesach decyzyjnych

Źródła stronniczości danych

Model Amazona był trenowany na CV przesłanych przez ponad 10 lat.
W tym czasie kandydaci płci męskiej byli nieproporcjonalnie często zatrudniani lub faworyzowani.
Model był stronniczy wobec mężczyzn ze względu na historyczne wzorce rekrutacji.
Eliminacja stronniczości wymaga analizy zarówno jakości danych, jak i procesów ludzkich.

Pudełka Amazon i screening CV

Pokonaj uprzedzenia

Rozdział 1 – Poznaj wpływ stronniczości danych na podejmowanie decyzji i dowiedz się, dlaczego warto ją uwzględniać podczas pracy z danymi.

Rozdział 2 – Poznaj różne typy stronniczości w zbieraniu danych i odkryj techniki jej minimalizowania.

Rozdział 3 – Poznaj typy stronniczości danych podczas analizy i prezentacji wyników. Dowiesz się, jak ją identyfikować i ograniczać.

Opanuj stronniczość danych