Debias моделей через CUPED/CUPAC: кейсы и опыт
Доклад принят в программу конференции
Целевая аудитория
1. ML-инженеры и Data Scientists, которые строят модели для продакшна и хотят научиться устранять скрытые смещения без усложнения архитектуры.
2. Продуктовые менеджеры, которые отвечают за модели в продуктах и заинтересованы в снижении юридических и репутационных рисков, связанных с bias.
Тезисы
Расскажем о том, как CUPAC позволяет устранять скрытые смещения в ML-моделях просто, эффективно и без усложнения архитектуры, делая модели справедливее и качественнее.
Team Lead Data Scientist с более чем 6-летним опытом работы в различных областях применения ML.
Видео
Другие доклады секции
Резерв
