کتاب راهنمای عملی حسابرسی خودکار مدل‌ها و تشخیص و رفع سوگیری در یادگیری ماشین با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای عملی حسابرسی خودکار مدل‌ها و تشخیص و رفع سوگیری در یادگیری ماشین

موضوع کلی: عدالت و حسابرسی در هوش مصنوعی

موضوع میانی: حاسبرسی مدل‌ها و شناسایی سوگیری الگوریتمی

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین و شبکه‌های عصبی
  • 2. مفهوم عدالت در سیستم‌های هوش مصنوعی
  • 3. انواع سوگیری در داده‌ها و مدل‌ها
  • 4. منابع و ریشه‌های سوگیری الگوریتمی
  • 5. تعریف‌های رسمی عدالت فردی و گروهی
  • 6. تعیین پارامترهای پوشش داده برای ارزیابی مدل
  • 7. روش‌های آماری شناسایی سوگیری
  • 8. تحلیل تأثیر متفاوت (Disparate Impact Analysis)
  • 9. سنجش توانایی پیش‌بینی یکسان (Equalized Odds)
  • 10. معیارهای عدالت جمعیتی (Demographic Parity)
  • 11. معیارهای فرصت برابر (Equal Opportunity)
  • 12. تحلیل تقاطعی سوگیری (Intersectional Fairness)
  • 13. ارزیابی عدالت در مدل‌های طبقه‌بندی
  • 14. ارزیابی عدالت در مدل‌های تجدیدپذیر
  • 15. اصول و چارچوب‌های حسابرسی مدل
  • 16. طراحی پایپ‌لاین آزمون خودکار مدل
  • 17. ابزارهای کاربردی حسابرسی سوگیری
  • 18. یکپارچه‌سازی آزمون عدالت در چرخه توسعه مدل
  • 19. نظارت مستمر بر عملکرد و عدالت مدل
  • 20. تحلیل کیفیت داده و پیش‌پردازش برای کاهش سوگیری
  • 21. سنجش و رفع عدم توازن داده‌ها
  • 22. تکنیک‌های بازوزن‌دهی داده (Reweighting)
  • 23. افزایش داده برای بهبود عدالت (Data Augmentation for Fairness)
  • 24. حذف ویژگی‌های حساس از داده‌ها
  • 25. تبدیلات پیش‌پردازشی برای کاهش سوگیری
  • 26. تکنیک‌های درون‌پردازشی محدودسازی عدالتی
  • 27. کاهش سوگیری پس‌پردازشی در خروجی مدل
  • 28. روش‌های بردباری پایاپورت برای تفسیرپذیری مدل
  • 29. شفافیت و قابلیت تفسیر مدل در زمینه عدالت
  • 30. آموزش رقابتی برای حذف سوگیری (Adversarial Debiasing)
  • 31. آموزش با قیود عدالتی (Fairness Constraints)
  • 32. بهینه‌سازی چندمعیاره عدالت و دقت
  • 33. تحلیل سوگیری در مدل‌های زبانی بزرگ
  • 34. تشخیص سوگیری در سیستم‌های پیشنهاد دهنده
  • 35. سوگیری در بینایی ماشین و تشخیص تصویر
  • 36. حاسبرسی مدل‌های تشخیص پزشکی
  • 37. سوگیری در سیستم‌های اعتبارسنجی و وام‌دهی
  • 38. سوگیری در سیستم‌های استخدام و انتخاب کارکرد
  • 39. استاندارد مستندسازی مدل (Model Cards)
  • 40. استاندارد مستندسازی داده (Datasheets for Datasets)
  • 41. الزامات قانونی و مقررات حفاظت از داده (GDPR و AI Act)
  • 42. اصول اخلاقی و مسئولیت‌پذیری در هوش مصنوعی
  • 43. طراحی داشبورد نظارتی برای عدالت مدل
  • 44. سنجش سوگیری در زمان واقعی (Real-time Bias Monitoring)
  • 45. اعتبارسنجی متقاطع عدالت در مقیاس بزرگ
  • 46. مدیریت ریسک سوگیری در سازمان
  • 47. نقش تیم‌های چندتخصصی در حسابرسی مدل
  • 48. مطالعات موردی: درس‌های عملی از شکست‌های سوگیری شناخته‌شده
  • 49. مقایسه ابزارهای متن‌باز حسابرسی سوگیری
  • 50. بهترین شیوه‌ها برای توسعه مدل‌های عادلانه
تگ‌ها: bias detection model auditing fairness in ai machine learning fairness algorithmic bias automated auditing responsible ai fairness metrics bias mitigation ai ethics model evaluation disparate impact explainable ai data bias fairness-aware machine learning

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.