Justiça na IA: Otimização de limiares com a Fairlearn — LearnFlat
⏱ 2 h 36 min 📚 26 aulas 🎧 Versão em áudio

Justiça na IA: Otimização de limiares com a Fairlearn

Saiba como mitigar o viés em modelos de machine learning usando o Fairlearn para definir limites de decisão ideais que equilibram restrições de precisão e justiça.

  • 💬 Instrutor de IA
    Pergunte sobre qualquer aula e receba uma resposta clara na hora, quando quiser.
  • 🕐 Comece quando quiser
    Sem horários nem prazos: aprenda no seu ritmo, quando quiser.
  • 🌐 Em português
    Aulas, tarefas e certificado: tudo totalmente no seu idioma.

Sobre este curso

À medida que os modelos de machine learning influenciam cada vez mais as decisões do mundo real, garantir a equidade e a justiça em suas previsões se tornou um requisito crítico para os desenvolvedores. Ajustar os limites de classificação é uma das técnicas de pós-processamento mais eficazes para mitigar o viés sem ter que treinar todo o modelo do zero. Este curso baseado em texto orienta você através dos conceitos fundamentais de justiça algorítmica e ensina como implementar a otimização de limiar. Você aprenderá a navegar em trade-offs entre precisão preditiva e paridade demográfica ou probabilidades igualadas, garantindo que seus modelos atendam aos padrões éticos modernos. O que você vai aprender: - Entenda as definições básicas de justiça algorítmica, viés e disparidade no aprendizado de máquina - Configure o ThresholdOptimizer da Fairlearn para ajustar os limites de decisão pós-treinamento - Aplique restrições de equidade, como paridade demográfica e probabilidades equalizadas para saídas de classificação - Analise os trade-offs entre as métricas de desempenho do modelo e os objetivos de justiça usando trechos de código claros - Implemente fluxos de trabalho de validação modernos para garantir que a otimização seja verdadeira em dados de avaliação invisíveis - Pratique diagnosticar e mitigar a injustiça em tarefas de classificação binária usando Python Começando com a terminologia essencial e os fundamentos éticos da IA, este curso orienta você passo a passo nas implementações de código. Você explorará como analisar previsões, aplicar restrições e avaliar o desempenho do modelo otimizado em conjuntos de dados do mundo real. Este curso é projetado para iniciantes em justiça de IA. Recomenda-se uma compreensão básica de Python e conceitos de aprendizado de máquina, mas não são necessários pré-requisitos matemáticos avançados. Comece a ler hoje mesmo para criar modelos de machine learning mais justos e equitativos que você possa implantar com confiança.

O que você vai receber

  • 📜 Certificado de conclusão
    Adicione ao seu perfil do LinkedIn
  • 💬 Tutor AI pessoal
    Travou em uma aula? Pergunte ao seu tutor integrado qualquer coisa, a qualquer hora.
  • 🎧 Versão em áudio incluída
    Estude em qualquer lugar, sem tela
  • ♾️ Acesso vitalício
    Volte quando quiser, sem expirar
  • 📱 Celular ou computador
    Funciona em qualquer dispositivo
  • 💸 Reembolso em 14 dias
    Sem perguntas
  • ⚡ Curto e focado
    2 h 36 min de conteúdo prático

Avaliações

Ainda não há avaliações — seja o primeiro a compartilhar sua experiência.

Escrever uma avaliação

☆☆☆☆☆
Pediremos para fazer login após enviar — o rascunho fica salvo.

Outros também fizeram

Perguntas frequentes

O que preciso para fazer este curso? +

Só um celular ou computador com internet. Sem instalações nem hardware especial.

Como faço para pagar? +

Com cartão via Stripe. Não guardamos dados do cartão — o Stripe processa com segurança.

Posso pedir reembolso? +

Sim — reembolso integral em 14 dias, sem perguntas.

Por quanto tempo terei acesso? +

Para sempre. Uma vez comprado, o curso é seu para revisar quando quiser.

Vou receber um certificado? +

Sim. Ao concluir, você recebe um certificado que pode adicionar ao seu perfil do LinkedIn.

Feito para profissionais em
Tecnologia Design Finanças Marketing Saúde Educação Hotelaria Indústria