500 €

Atelier Interne | Biais & Fairness en Machine Learning

Cours
23 Leçons

Les biais algorithmiques peuvent se nicher dans tout système d'IA déployé en entreprise. Leur détection et leur correction constituent aujourd'hui un enjeu majeur, alors que l'IA s'immisce dans un nombre croissant de processus décisionnels. Ce cours est une introduction à l'identification des potentiels biais et la construction des modèles d'IA plus justes et équitables.

Acheter maintenant

Contenu

0 - Warmup

Présentation de la thématique et des animateurs

0.1 Introduction animateurs

0.2 Sommaire

1 - Introduction

Introduction à la thématiquen, à certains cas problématiques bien connus et leurs conséquences / risques associés

1.1 Exemples et conséquences d'IA biaisées

2 - Quelques Définitions

Définition des termes clés liés à la problématique étudiée

2.1 IA Éthique

2.2 Biais : Définitions

2.3 Types & Sources des Biais dans l'IA

2.4 L'Équité Algorithmique

3 - Méthodologies d'Exploration de la Fairness

Une nouvelle étape dans le workflow d'analyse exploratoire du data scientist

3.1 Représentativité et prévalence

3.2 Identification des Variables Proxy

4 - Les Métriques de Fairness

Comment quantifier au mieux l'équité des modèles de machine learning ?

4.1 Conventions

4.2 Quelques définitions de métriques

4.3 Mesurer la fairness, oui mais...

5 - Adresser l'Unfairness : la Mitigation

Une fois que la fairness est quantifiée, comment adresser les potentiels déséquilibres via des méthodes statistique, mais pas que

5.1 Adresser l’Unfairness : Les Approches Quantitatives

5.2 Les Méthodes Pre-Processing

5.3 Les Méthodes In-Processing

5.4 Les Méthodes Post-Processing

5.5 Les Approches Quantitatives : Avantages & Désavantages

5.6 Approches qualitatives

6 - Outillage pour la Fairness

Panorama des outils pouvant assister le data scientist dans sa quête de modèles plus équitables

6.1 Outillage pour la Fairness

7 - Mise en Pratique

Conclusion et lancement des travaux pratiques

7.1 Conclusion & pratique

7.2 Notebook à compléter

7.3 Data Census 1994

7.4 Slides