文件名称：公平与表示学习【NeurIPS2019报告推荐，UIUC Sanmi Koyejo教授】.zip
文件大小：3.82MB
文件格式：ZIP
更新时间：2023-01-13 14:34:09
fairness representation_l
越来越明显的是，广泛采用的机器学习模型可能导致歧视性结果，并可能加剧训练数据之间的差异。随着越来越多的机器学习用于现实世界中的决策任务，必须解决机器学习中的偏见和公平问题。我们的动机是，在各种新兴方法中，表示学习为评估和潜在地减轻不公平现象提供了独特的工具集。
【文件预览】：
Representation_Learning_Fairness_NeurIPS19_Tutorial.pdf.pdf