What You Need to Know Before
You Start

Starts 3 June 2025 14:56

Ends 3 June 2025

00 days
00 hours
00 minutes
00 seconds
course image

Sujets en Équité Algorithmique

Explorez les défis de l'équité algorithmique dans l'IA, des origines des biais aux cadres d'équité, en mettant l'accent sur la Parité Démographique et la relation entre la classification et la régression équitables dans les systèmes de prise de décision automatisée.
Institut des Hautes Etudes Scientifiques (IHES) via YouTube

Institut des Hautes Etudes Scientifiques (IHES)

2416 Cours


53 minutes

Optional upgrade avallable

Not Specified

Progress at your own speed

Free Video

Optional upgrade avallable

Aperçu

Explorez les défis de l'équité algorithmique dans l'IA, des origines des biais aux cadres d'équité, en mettant l'accent sur la Parité Démographique et la relation entre la classification et la régression équitables dans les systèmes de prise de décision automatisée.

Programme

  • Introduction à l'équité algorithmique
  • Définition et importance
    Contexte historique et impact
  • Origines des biais dans les systèmes d'IA
  • Biais de collecte et de représentation des données
    Biais de conception algorithmique
    Études de cas de biais dans l'IA
  • Cadres d'équité dans l'IA
  • Aperçu des mesures d'équité
    Équité de groupe vs. équité individuelle
    Tension entre équité et précision
  • Parité démographique
  • Définition et formulation mathématique
    Avantages et limitations
    Applications pratiques
  • Relation entre classification équitable et régression
  • Classification équitable : concepts et techniques
    Régression équitable : approches et défis
    Comparaison et contraste des mesures d'équité
  • Équité dans les systèmes de prise de décision automatisés
  • Scénarios réels : score de crédit, embauche, justice pénale
    Conception de systèmes de prise de décision équitables
  • Outils et techniques pour assurer l'équité
  • Méthodes de prétraitement, en cours de traitement et de post-traitement
    Outils de détection et de réduction des biais
  • Études de cas et recherches actuelles
  • Avancées récentes en équité algorithmique
    Défis et opportunités émergents
  • Implications éthiques et sociales de l'équité algorithmique
  • Équité et responsabilité
    Implications réglementaires et politiques
  • Conclusion et perspectives futures sur l'équité algorithmique
  • Points clés à retenir
    Questions de recherche ouvertes et prochaines étapes

Sujets

Informatique