All Computers Are Bastards. Introducción a Fairness en Machine Learning.
Details
El meetup va a hacerse en la oficina de LambdaClass (https://lambdaclass.com) que está a unas cuadras del obelisco, en Tucumán 840 Piso 5 Departamento C. Si llegan y está cerrado, manden un mensaje a https://t.me/papersweloveba
La charla la va a dar Sebastian Waisbrot (https://twitter.com/seppo0011).
All Computers Are Bastards. Introducción a Fairness en Machine Learning.
Las empresas y organismos públicos cada vez toman más decisiones de forma automática, y también cada vez más usan aprendizaje automático para ello. Estas técnicas basan su algoritmo en aprender sobre información existente, incluyendo sus errores y sesgos, por lo que es necesario contemplar los problemas que esto trae, para mitigar los daños que pueda generar, como discriminación sistemática hacia ciertos grupos.
Veremos un breve repaso del marco legal en Estados Unidos y Argentina, cuáles son los orígenes de estos problemas y qué se puede hacer para minimizarlos.
Papers:
- Algorithmic Bias? An Empirical Study of Apparent Gender-Based Discrimination in the Display of STEM Career Ads https://pubsonline.informs.org/doi/10.1287/mnsc.2018.3093
- To predict and serve? https://rss.onlinelibrary.wiley.com/doi/epdf/10.1111/j.1740-9713.2016.00960.x
- A Survey on Bias and Fairness in Machine Learning https://arxiv.org/abs/1908.09635
- Sex Bias in Graduate Admissions: Data from Berkeley https://homepage.stat.uiowa.edu/~mbognar/1030/Bickel-Berkeley.pdf
- Fairness in Criminal Justice Risk Assessments: The State of the Art https://arxiv.org/abs/1703.09207
- The Frontiers of Fairness in Machine Learning https://arxiv.org/abs/1810.08810