اکسپرس 24
ترجمه فارسی مقاله «مردسالاری به مردان هم آسیب می‌زند.» آیا مدل شما با این موضوع موافق است؟ بحثی در مورد پیش‌فرض‌های انصاف

ترجمه فارسی مقاله «مردسالاری به مردان هم آسیب می‌زند.» آیا مدل شما با این موضوع موافق است؟ بحثی در مورد پیش‌فرض‌های انصاف

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی "Patriarchy Hurts Men Too." Does Your Model Agree? A Discussion on Fairness Assumptions
عنوان مقاله به فارسی «مردسالاری به مردان هم آسیب می‌زند.» آیا مدل شما با این موضوع موافق است؟ بحثی در مورد پیش‌فرض‌های انصاف
نویسندگان Marco Favier, Toon Calders
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 1 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 1 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 640,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The pipeline of a fair ML practitioner is generally divided into three phases: 1) Selecting a fairness measure. 2) Choosing a model that minimizes this measure. 3) Maximizing the model's performance on the data. In the context of group fairness, this approach often obscures implicit assumptions about how bias is introduced into the data. For instance, in binary classification, it is often assumed that the best model, with equal fairness, is the one with better performance. However, this belief already imposes specific properties on the process that introduced bias. More precisely, we are already assuming that the biasing process is a monotonic function of the fair scores, dependent solely on the sensitive attribute. We formally prove this claim regarding several implicit fairness assumptions. This leads, in our view, to two possible conclusions: either the behavior of the biasing process is more complex than mere monotonicity, which means we need to identify and reject our implicit assumptions in order to develop models capable of tackling more complex situations; or the bias introduced in the data behaves predictably, implying that many of the developed models are superfluous.

چکیده به فارسی (ترجمه ماشینی)

خط لوله یک پزشک منصفانه به طور کلی به سه مرحله تقسیم می شود: 1) انتخاب یک اندازه گیری انصاف.2) انتخاب مدلی که این اندازه گیری را به حداقل می رساند.3) به حداکثر رساندن عملکرد مدل بر روی داده ها.در زمینه انصاف گروه ، این رویکرد اغلب فرضیات ضمنی را در مورد نحوه معرفی تعصب به داده ها مبهم می کند.به عنوان مثال ، در طبقه بندی باینری ، اغلب فرض بر این است که بهترین مدل ، با انصاف برابر ، مدل با عملکرد بهتر است.با این حال ، این اعتقاد در حال حاضر خواص خاصی را به فرآیند معرفی تعصب تحمیل می کند.به طور دقیق تر ، ما در حال حاضر فرض می کنیم که فرآیند تعصب یک عملکرد یکنواخت از نمرات عادلانه است که صرفاً به ویژگی حساس بستگی دارد.ما به طور رسمی این ادعا را در مورد چندین فرضیه ضمنی انصاف اثبات می کنیم.این امر ، از نظر ما ، به دو نتیجه گیری احتمالی منجر می شود: یا رفتار فرآیند تعصب پیچیده تر از یکنواختی صرف است ، به این معنی که ما باید فرضیات ضمنی خود را شناسایی و رد کنیم تا مدل هایی را که قادر به مقابله با موقعیت های پیچیده تر هستند ، توسعه دهیم.یا تعصب معرفی شده در داده ها به طور قابل پیش بینی رفتار می کند ، دلالت بر اینکه بسیاری از مدلهای توسعه یافته اضافی هستند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.