Главная
Study mode:
on
1
Introduction
2
Machine Learning in Healthcare
3
Technical Data Challenges
4
Healthcare is not Equitable
5
How to Decomposition Sources of Discrimination
6
Predicting Hospital Mortality from ICU Notes
7
Bias Variance Noise
8
Visual Example
9
Disease Subtyping
10
Modeling Clinical Data
11
Learning Latent Variables
12
When to ask for conditions
13
Heart failure observational data
14
Wrapup
Description:
Découvrez comment exploiter l'apprentissage automatique pour des soins de santé équitables dans cette conférence de 48 minutes. Examinez les défis liés aux données cliniques hétérogènes et bruyantes, ainsi que les questions d'équité et d'impartialité dans les algorithmes médicaux. Explorez deux approches pour lutter contre les biais algorithmiques : la décomposition de la discrimination en composantes de biais, variance et bruit, et la détection précoce de la violence conjugale à partir d'indicateurs cliniques. Apprenez à repenser l'ensemble du pipeline d'apprentissage automatique avec une perspective éthique pour créer des algorithmes au service de toute la population de patients.

Beyond Bias Audits: Bringing Equity to the Machine Learning Pipeline

Centre de recherches mathématiques - CRM
Add to list
0:00 / 0:00