Detectando y procesando variables sensibles no sospechadas para un aprendizaje automático robusto
Autores: Risser, Laurent; Picard, Agustin Martin; Hervier, Lucas; Loubes, Jean-Michel
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Detectando y procesando variables sensibles no sospechadas para un aprendizaje automático robusto
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Sesgo algorítmico
Aprendizaje automático
Aplicaciones sociales
Variables sensibles
Aplicaciones industriales
Característica latente
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 41
Citaciones: Sin citaciones
El problema del sesgo algorítmico en el aprendizaje automático ha ganado recientemente mucha atención debido a su potencial impacto en nuestras sociedades.
Descripción
El problema del sesgo algorítmico en el aprendizaje automático ha ganado recientemente mucha atención debido a su potencial impacto en nuestras sociedades.