Discute des implications éthiques des systèmes NLP, en mettant l'accent sur les biais, la toxicité et les préoccupations en matière de protection de la vie privée dans les modèles linguistiques.
Introduit le cours pratique AI et FX, en se concentrant sur des lectures hebdomadaires et des discussions sur les aspects éthiques et juridiques de l'IA.
Explore les implications éthiques du déploiement d'algorithmes d'apprentissage automatique et souligne l'importance de l'équité dans les processus décisionnels.
Examine les défis que posent les hypothèses de données, les biais et d'autres aspects de la recherche, y compris les écritures incomplètes et les frustrations des nouveaux arrivants.
Se penche sur les défis que pose l'équité dans les processus décisionnels algorithmiques, la lutte contre les préjugés et les injustices historiques dans les données.
Plonge dans l'impact des biais dans les modèles d'apprentissage automatique et l'importance d'évaluer les dommages potentiels dans le développement de tels systèmes.
Se penche sur le développement historique de la psychologie de l'environnement, l'émergence d'attitudes favorables à l'environnement et l'étude de la dynamique humaine-environnement.
Explore les défis expérimentaux de conception en sciences sociales, en mettant l'accent sur la formulation d'hypothèses, le contrôle variable et l'atténuation des biais.
Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.
Explore les outils d'apprentissage automatique dans les décisions de politique publique, les questions d'équité, le profilage des demandeurs d'emploi, l'évaluation «Bob Emploi», la discrimination et les défis dans les services publics de l'emploi.
