Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Que la generación Z no rompa tus modelos @PyCon...

Que la generación Z no rompa tus modelos @PyConEs19

En el mundo de la moda los roles de género siempre han estado bastante claros, como que " las faldas son prendas de chicas " y "las corbatas son para los hombres" . Ésto, entre otros clichés, han condicionado los algoritmos de etiquetado y clasificación de productos de moda, introduciendo sesgos que ahora pueden jugar en nuestra contra a la hora de predecir tendencias y tomar decisiones estratégicas. En esta charla veremos en qué consisten los sesgos en los modelos de machine learning, algunos métodos en Python para intentar evitarlos y algunas herramientas que auditan dichos modelos en este sentido.

Alicia Pérez Jiménez

October 04, 2019

Transcript

41 slides
  1. Que la Generación Z no rompa tus modelos Alicia Pérez

    | PyConEs 2019 @alipeji | #PyConES19
  2. Sesgos en la moda "Si hay algo que caracteriza a

    la Generación Z es no tener reglas preestablecidas" @alipeji | #PyConES19
  3. Explicabilidad de los modelos de Machine Learning ¿En base a

    qué toman sus decisiones? @alipeji | #PyConES19
  4. Efecto Clever Hans [...] la posibilidad de que el experimentador

    “contamine” involuntariamente los resultados del experimento mediante gestos, tonos de voz, lenguaje corporal, etc. Wikipedia @alipeji | #PyConES19 wikipedia.org
  5. Sesgos Los datos introducen sesgos en nuestros modelos Métodos en

    Python Ej. permutation importance & PDP Moda Los modelos tienen sesgos que debemos corregir para que en un corto plazo no queden deprecados Herramientas Ej. FairML, lime, What-IF, IBM AIF 360 @alipeji | #PyConES19
  6. ¡Gracias! @alipeji | #PyConES19 [email protected] Que la Generación Z no

    rompa tus modelos https:/ /github.com/aliciapj/ml_bias

More Decks by Alicia Pérez Jiménez

Other Decks in Programming