目前,任何公开使用的技术都要经过审计机制,在这一机制中,我们旨在理解使用该技术的影响和局限性,以及它们为何会产生。由于机器学习(ML)正逐渐成为我们这个时代的普遍技术,并且ML系统引发的偏见议题正在引起关注,因此理解如何审计ML系统是一个真正的关注点。

在本教程中,我们将讨论算法的发展和现有的软件,以解答以下问题:

如何选择一个与应用相容的公平性度量来量化遇到的偏见? 如何准确且高效地量化ML系统预测中遇到的偏见? 如何解释导致不同粒度级别的偏见的不同来源?

成为VIP会员查看完整内容
22

相关内容

【KDD2023教程】大规模图神经网络:过去与新前沿,181页pdf
【2023新书】可解释的深度学习AI:方法和挑战,348页pdf
专知会员服务
167+阅读 · 2023年3月26日
【干货书】机器学习—工程师和科学家的第一课,348页pdf
【AAAI 2023教程】数据挖掘和机器学习的经济价值,203页ppt
专知会员服务
251+阅读 · 2021年10月8日
【KDD2020】图深度学习:基础、进展与应用,182页ppt
专知会员服务
135+阅读 · 2020年8月30日
综述 | 分布式GNN训练算法和系统,35页pdf
图与推荐
4+阅读 · 2022年11月2日
【KDD2020】图神经网络:基础与应用,322页ppt
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
36+阅读 · 2015年12月31日
国家自然科学基金
24+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
17+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
Arxiv
155+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
395+阅读 · 2023年3月31日
Arxiv
137+阅读 · 2023年3月24日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
36+阅读 · 2015年12月31日
国家自然科学基金
24+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
17+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员