在本课程中，我们将探讨机器学习中的公平性和偏见等基本问题。随着预测模型开始做出从大学录取到贷款决策等重要决定，如何防止模型做出不公平的预测变得至关重要。从人类偏见到数据集意识，我们将从多方面探讨如何建立更合乎道德的模型。
人工智能数据的公平与偏见
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 人工智能时代的伦理 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有3个模块
欢迎来到本课程！在第一周，我们将讨论在机器学习中公平的含义，以及在不同场景中真正的均等意味着什么
涵盖的内容
5个视频2篇阅读材料3个作业
本周我们将采取行动反对不公平。既然我们已经了解了公平性问题，那么我们该如何建立不违反公平性的模型呢？
涵盖的内容
5个视频2篇阅读材料3个作业
本周，我们将讨论数据收集和属性选择过程中的人为偏见。目标是什么？在建立模型之前消除偏见
涵盖的内容
5个视频2篇阅读材料3个作业
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
4.5 (33个评价)
提供方
从 算法 浏览更多内容
状态：预览Johns Hopkins University
状态：免费试用Google Cloud
状态：预览Northeastern University
状态：免费试用LearnQuest
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.8
121 条评论
- 5 stars
81.81%
- 4 stars
13.22%
- 3 stars
4.13%
- 2 stars
0%
- 1 star
0.82%
显示 3/121 个
CM
4
已于 Oct 2, 2021审阅
An excellent reminder that the bias-variance trade-off is not the only trade-off machine learning specialists make.
RU
5
已于 Apr 19, 2022审阅
Really great discussion of algorithms and how their designs make them susceptible to bias.
SY
5
已于 Mar 30, 2021审阅
A relatively short and interesting course on data fairness and bias impacting AI models.
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问专项课程中的所有课程，完成作业后还可以获得证书。您的电子证书将添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
是的。在特定的学习课程中，如果您付不起注册费，可以申请助学金或奖学金。如果您选择的学习课程有助学金或奖学金，您可以在说明页面找到申请链接。
更多问题
提供助学金，