Qué necesitas saber antes de
comenzar
Inicio 5 June 2026 19:03
Fin 5 June 2026
Equidad sin Imputación: Un Enfoque de Árbol de Decisión para Predicción Justa con Valores Faltantes
Harvard CMSA
6076 Cursos
19 minutes
Actualización opcional disponible
Not Specified
Avanza a tu propio ritmo
Free Video
Actualización opcional disponible
Resumen
Explore how decision tree algorithms can achieve fair machine learning predictions when dealing with missing data values, without requiring traditional data imputation methods.
Programa
- Introducción a la Equidad en el Aprendizaje Automático
- El Desafío de los Datos Faltantes en el Aprendizaje Automático
- Árboles de Decisión: Una Visión General
- Criterios y Medidas de Equidad
- Enfoques Tradicionales para Manejar Datos Faltantes
- Árboles de Decisión y Datos Faltantes
- Lograr Equidad sin Imputación
- Estudios de Caso y Aplicaciones
- Sesión Práctica: Implementando Árboles de Decisión Justos
- Temas Avanzados en Aprendizaje de Árboles de Decisión Justos
- Conclusión
- Lecturas Adicionales y Recursos
Materias
Data Science