डेटा की उलझन सुलझाएँ

डेटा बायस पर विजय

Konstantinos Kattidis

Data Analytics Lead

डेटा से संचालित निर्णय-निर्माण

Data-driven decision-making ने दुनिया भर के उद्योगों को बदल दिया है
डेटा और AI अपनाने से इन अहम क्षेत्रों तक असर बढ़ा है:
- सामाजिक न्याय
- रोजगार स्क्रीनिंग
- वर्चुअल असिस्टेंट जैसी इंटरैक्टिव इंटरफेस

डेटा-आधारित निर्णय लेने के उपयोग

इन्हीं प्रगति के साथ, इन समाधानों में biases की मौजूदगी को लेकर चिंताएँ उभरी हैं।

CV Screening

Amazon ने अपना मॉडल बंद कर दिया जो रोजगार के लिए उपयुक्त उम्मीदवारों को स्कोर करता था, क्योंकि वह पुरुष उम्मीदवारों को तरजीह दे रहा था

यह तब पैदा होता है जब डेटा या जानकारी सीमित हो, जिससे जनसंख्या की गलत या अनुचित तस्वीर बनती है
यह कई कारणों से होता है, जैसे:
- असंतुलन और कम-प्रतिनिधित्व
- ऐतिहासिक पक्षपात
- संज्ञानात्मक प्रवृत्तियाँ
यह डेटा की शुद्धता और विश्वसनीयता घटाता है, जिससे निर्णय-निर्माण में उसकी प्रभावशीलता कम होती है

डेटा बायस की जड़ें

Amazon का मॉडल 10 वर्षों में जमा किए गए रेज़्यूमे पर ट्रेन किया गया था।
इस दौरान, पुरुष उम्मीदवारों को अनुपातहीन रूप से भर्ती किया गया या प्रक्रिया ने उन्हें तरजीह दी।
ऐतिहासिक भर्ती पैटर्न के कारण मॉडल पुरुष उम्मीदवारों की ओर बायस्ड था।
डेटा बायस से निपटने के लिए डेटासेट की गुणवत्ता और संबंधित मानव प्रक्रियाओं, दोनों की जाँच जरूरी है।

Amazon बॉक्स और CV स्क्रीनिंग

बायस पर काबू

Chapter 1 - निर्णय-निर्माण पर डेटा बायस के प्रभाव को जानें और डेटा के साथ काम करते समय इसे ध्यान में रखना क्यों जरूरी है।

Chapter 2 - डेटा कलेक्शन में बायस के प्रकार सीखें और उसे कम करने की तकनीकें लागू करना जानें।

Chapter 3 - विश्लेषण और परिणाम साझा करते समय आम तौर पर मिलने वाले डेटा बायस प्रकार सीखें। बायस पहचानने और उसे घटाने के तरीके पर गहराई से जाएँ।

डेटा बायस पर विजय