Розв'язуємо дилему даних

Опановуємо упередженість у даних

Konstantinos Kattidis

Data Analytics Lead

Дані керують ухваленням рішень

Рішення на основі даних змінили індустрії по всьому світу
Використання даних і ШІ поширилося на критично важливі сфери:
- Соціальна справедливість
- Скринінг кандидатів на роботу
- Інтерактивні інтерфейси, як-от віртуальні асистенти

Приклади використання рішень на основі даних

Поява упередженості в даних

Поряд із цими досягненнями з'явилися занепокоєння щодо наявності упереджень у таких рішеннях.

Скринінг резюме

Amazon закрила свою модель оцінювання придатних кандидатів на роботу, оскільки вона надавала перевагу чоловікам

Що таке упередженість у даних?

Вона виникає, коли дані або інформація обмежені, спотворюючи або несправедливо відображаючи сукупність
Причини можуть бути різні:
- Дисбаланси та недостатнє представлення
- Історичні упередження
- Когнітивні схильності
Це підриває точність і надійність даних, знижуючи їхню ефективність для підтримки прийняття рішень

Джерела упередженості в даних

Випадок Amazon

Модель Amazon навчали на резюме, поданих за 10 років.
У цей період чоловіків непропорційно часто наймали або віддавали їм перевагу в процесі відбору.
Через історичні практики найму модель виявила упередженість на користь чоловіків.
Щоб подолати упередженість у даних, слід оцінювати і якість набору даних, і пов'язані людські процеси.

Коробки Amazon і скринінг резюме

Про курс

Подолайте упередженість

Розділ 1 — Дізнайтеся, як упередженість у даних впливає на ухвалення рішень і чому важливо зважати на неї, працюючи з даними.

Розділ 2 — Ознайомтеся з видами упередженості під час збирання даних і дізнайтеся, як застосовувати методи для її мінімізації.

Розділ 3 — Розгляньте типові види упередженості під час аналізу даних і поширення його результатів. Ми зосередимося на виявленні та пом'якшенні упередженості.

Давайте потренуємось!

Опановуємо упередженість у даних