与谷歌思考“机器学习公平” by The Furrow

ECD Eric Lohman和MeriCer和Illustrator的船员在Lexington,KY的沟渠,与数字代理商的合作伙伴增长,以帮助思考谷歌制作优雅和吸引人的案例“将公平建设到您的机器学习模型中。”

用谷歌思考:“当数据教导机器学习(ML)模型错误的课程时,开发人员称之为数据偏差。数据偏差是ML偏差最常见的原因之一,这可能会损坏品牌感知和多年的周到,包容性消息传递似乎孤立甚至操纵。

“大多数时候,机器学习允许品牌对客户更有帮助。好消息是,营销人员和跨职能团队有更多的力量来打击数据偏见,而不是他们认为,从实施例程审计到推出创造性众包解决方案。

“机器学习(ML)公平性建立信任,扩大范围,并展示客户担心的重要事项。该系列旨在装备具有ML公平性的工作知识的营销人员,并为开发包容性ML策略提供明确的步骤。”

观看过程卷轴:
 


 
Think src="//www.dreamgaming.net/wp-content/uploads/Screen-Shot-2021-02-03-at-10.27.58-AM-640x360.jpg" loading="lazy" data-id="855"></p>
<p><img sizes="(max-width: 640px) 100vw, 640px" srcset="//www.dreamgaming.net/wp-content/uploads/Screen-Shot-2021-02-03-at-10.30.07-AM-640x360.jpg 640w, //www.dreamgaming.net/wp-content/uploads/Screen-Shot-2021-02-03-at-10.30.07-AM-150x84.jpg 150w, //www.dreamgaming.net/wp-content/uploads/Screen-Shot-2021-02-03-at-10.30.07-AM-768x432.jpg 768w, //www.dreamgaming.net/wp-content/uploads/Screen-Shot-2021-02-03-at-10.30.07-AM-300x169.jpg 300w, //www.dreamgaming.net/wp-content/uploads/Screen-Shot-2021-02-03-at-10.30.07-AM.jpg 960w" class="alignnone size-large wp-image-76503" height="360" width="640" MAGAZINE