Fairness in AI - Towards More Ethical Predictive Models

WED 12:10 - 12:40

This is a 2019 presentation

Xebia Data

The impact of AI on society gets bigger and bigger - and it is not all good. We as Data Scientists have to really put in work to not end up in Machine Learning hell. Every Data Scientist should account for fairness... but how? In this talk, I'll show some recent examples how AI led to unfair outcomes at scale and argue that fairness should be part of the standard toolbox of Data Scientists. Building on cutting-edge research, I'll show how an adversarial classifier can force a model to be fair. The talk ends with some pointers on how to embed fairness in your organisation.

  • Theme
    Cybersecurity

    Het verhogen van de digitale veiligheid krijgt binnen organisaties meer prioriteit dan ooit. Nu we steeds afhankelijker worden van digital processen is het optimaal beveiligingen van netwerk- en informatiesystemen om cybercriminelen buiten de deur te houden van groot belang. Niet alleen voor de organisaties, maar ook voor gegevensbescherming van informatie. Overgaan op een strategie voor cyberweerbaarheid kan een sleutel zijn om sneller te anticiperen op verstoringen.

    Visitor target group
    Verantwoordelijk zijn voor een data team

    Deze lezing gaat concreet in op de techniek en het gebruik van data. Er wordt uitgelegd hoe bepaalde dingen aangepakt en wat daarvoor gebruikt is. Hierbij gaat de spreker de diepte in en geeft deze specifieke feiten, inzichten, advies en tactieken op hoog niveau.

    Deze lezing is bedoeld voor bezoekers die: verantwoordelijk zijn voor een data team, zoals o.a.; manager data science en product owner.