Algorithmen helfen zunehmend dabei, wichtige Entscheidungen im Gesundheitswesen, in der Strafjustiz, bei Einstellungen und in anderen wichtigen Bereichen zu treffen. Daher ist es wichtig, dass diese Algorithmen fair sind. In den letzten Jahren hat sich jedoch gezeigt, dass Algorithmen aufgrund von Alter, Geschlecht, Nationalität, Rasse und anderen Merkmalen auf vielfältige Weise verzerrt sein können. In diesem Kurs lernen Sie zehn praktische Prinzipien für die Entwicklung fairer Algorithmen kennen. Der Schwerpunkt liegt auf der Praxisrelevanz anhand konkreter Fallstudien moderner Algorithmen, darunter solche aus den Bereichen Strafjustiz, Gesundheitswesen und große Sprachmodelle wie ChatGPT. Sie werden die grundlegenden Regeln verstehen, die Sie beim Entwurf fairer Algorithmen befolgen müssen, und Sie werden Algorithmen auf ihre Fairness hin beurteilen können.
Dieser Kurs richtet sich an ein breites Publikum von Schülern ab der Oberstufe, die sich für Informatik und den Entwurf von Algorithmen interessieren. Sie müssen keinen Code schreiben und die relevanten Informatikkonzepte werden zu Beginn des Kurses erklärt. Der Kurs richtet sich an Ingenieure und Datenwissenschaftler, die an der Entwicklung fairer Algorithmen interessiert sind, an politische Entscheidungsträger und Manager, die Algorithmen auf ihre Fairness hin überprüfen möchten, und an alle Bürger einer Gesellschaft, die zunehmend von algorithmischen Entscheidungen geprägt ist.
In diesem Modul lernen Sie die grundlegenden Konzepte kennen, auf die sich dieser Kurs stützt: was ein Algorithmus ist und warum Fairness schwierig und schwierig zu definieren ist. Wir beginnen damit, zu definieren, was ein prädiktiver Algorithmus überhaupt ist, denn dieser Kurs ist so konzipiert, dass er auch für Studenten zugänglich ist, die noch nie einen Informatikkurs besucht haben. (Wenn Sie bereits einen Kurs über prädiktive Algorithmen oder maschinelles Lernen besucht haben, können Sie diesen Abschnitt gerne überspringen)
Dann geht es direkt mit Fairness weiter. In diesem Kurs werden zehn praktische Lektionen zur Fairness vorgestellt, von denen wir in diesem Modul zwei besprechen werden. Außerdem geben wir einen Vorgeschmack darauf, wie die Lektionen dieses Kurses auf generative KI-Modelle wie ChatGPT angewendet werden können.
Das ist alles enthalten
12 Videos2 Lektüren4 Aufgaben
Infos zu Modulinhalt anzeigen
12 Videos•Insgesamt 80 Minuten
Beispiele für prädiktive Algorithmen•6 Minuten
Wie erstellen Sie Vorhersage Algorithmen?•10 Minuten
Wie bewerten Sie Vorhersage Algorithmen?•9 Minuten
Vorteile & Mitnahmeeffekte•5 Minuten
Einführung und statistische Parität•6 Minuten
Vorhersagbare Gleichheit und Kalibrierung•7 Minuten
Widersprüche zwischen Definitionen•8 Minuten
Mitbringsel•4 Minuten
Einführung•3 Minuten
Fallstudie: Viele mögliche Ursachen für Bias•10 Minuten
Einführung•5 Minuten
Bedenken & Schlussfolgerungen•7 Minuten
2 Lektüren•Insgesamt 5 Minuten
Syllabus & Übersicht•5 Minuten
Zusätzliche Lektüre [Optional]•0 Minuten
4 Aufgaben•Insgesamt 25 Minuten
Modul 1 Bewertung•5 Minuten
Einführungsquiz: Über Sie lernen•10 Minuten
Fairness Definitionen Quiz #1•5 Minuten
Fairness Definitionen Quiz #2•5 Minuten
Algorithmen entwerfen
Modul 2•2 Stunden abzuschließen
Moduldetails
In diesem Modul werden die grundlegenden Lektionen für die Entwicklung fairer Algorithmen behandelt: auf welchen Daten sie trainiert werden sollten, welche Merkmale sie zur Vorhersage verwenden sollten und welche Ergebnisse sie vorhersagen sollten.
Das ist alles enthalten
6 Videos4 Lektüren5 Aufgaben
Infos zu Modulinhalt anzeigen
6 Videos•Insgesamt 44 Minuten
Einführung•6 Minuten
Grundsätze der ethischen Datenerhebung & Takeaways•8 Minuten
Das Entfernen von sensiblen Merkmalen macht Ihren Algorithmus nicht automatisch fair•8 Minuten
Die Einbeziehung sensibler Merkmale kann Ihren Algorithmus fairer machen•7 Minuten
Einführung und Vorhersage von Gesundheitsrisiken - Fallstudie•8 Minuten
Weitere Beispiele und Denkanstöße•7 Minuten
4 Lektüren•Insgesamt 30 Minuten
Zusätzliche Lektüre [Optional]•0 Minuten
Zusätzliche Lektüre [Optional]•0 Minuten
Entwerfen Sie einen Algorithmus für das Gesundheitswesen! [Erforderlich]•30 Minuten
Zusätzliche Lektüre [Optional]•0 Minuten
5 Aufgaben•Insgesamt 29 Minuten
Modul 2 Bewertung•5 Minuten
Quiz vor Lektion 3•5 Minuten
Quiz nach Lektion 3•5 Minuten
Quiz vor Lektion 4•7 Minuten
Quiz nach Lektion 4•7 Minuten
Algorithmen dokumentieren
Modul 3•1 Stunde abzuschließen
Moduldetails
In diesem Modul wird erörtert, wie wichtig es ist, Algorithmen und Datensätze zu dokumentieren, damit sie nur dort eingesetzt werden, wo sie angemessen sind.
Das ist alles enthalten
5 Videos2 Lektüren3 Aufgaben
Infos zu Modulinhalt anzeigen
5 Videos•Insgesamt 37 Minuten
Verwendungszwecke von Modellen und Datensätzen•5 Minuten
Dokumentation des Verwendungszwecks•7 Minuten
Einführung in Transparenz und Interpretierbarkeit•10 Minuten
Beispiele für transparente Algorithmen•7 Minuten
Beispiele für intransparente Algorithmen & Schlussfolgerungen•8 Minuten
2 Lektüren
Zusätzliche Lektüre [Optional]•0 Minuten
Zusätzliche Lektüre [Optional]•0 Minuten
3 Aufgaben•Insgesamt 15 Minuten
Modul 3 Bewertung•5 Minuten
Quiz vor Lektion 7•5 Minuten
Quiz nach Lektion 7•5 Minuten
Algorithmen in den Händen von Menschen
Modul 4•1 Stunde abzuschließen
Moduldetails
In diesem Modul geht es um das komplexe Zusammenspiel von algorithmischen Vorhersagen und menschlichen Entscheidungen.
Das ist alles enthalten
6 Videos3 Lektüren5 Aufgaben
Infos zu Modulinhalt anzeigen
6 Videos•Insgesamt 40 Minuten
Einführung in Algorithmen, die die menschliche Entscheidungsfindung steuern•8 Minuten
Sind Algorithmen in der Strafjustiz von Natur aus unethisch?•5 Minuten
Das Fred Hutchinson Cancer Center vereint individuelle Pflege und fortschrittliche Forschung, um die neuesten Krebsbehandlungsmöglichkeiten anzubieten und gleichzeitig Entdeckungen zu beschleunigen, die Krebs und Infektionskrankheiten weltweit vorbeugen, behandeln und heilen. Fred Hutch mit Sitz in Seattle ist eine unabhängige, gemeinnützige Organisation und das einzige vom National Cancer Institute benannte Krebszentrum in Washington. Wir haben uns einen weltweiten Ruf für unsere Entdeckungen in den Bereichen Krebs, Infektionskrankheiten und Grundlagenforschung erworben, darunter wichtige Fortschritte in den Bereichen Knochenmarktransplantation, Immuntherapie, HIV/AIDS-Prävention und COVID-19-Impfstoffe. Fred Hutch betreibt acht klinische Einrichtungen, die medizinische Onkologie, Infusionen, Bestrahlung, Protonentherapie und verwandte Dienstleistungen anbieten und ist mit Krankenhäusern in vier Bundesstaaten vernetzt. Fred Hutch fungiert auch als Krebsprogramm der UW Medicine.
Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was erhalte ich, wenn ich das Zertifikat kaufe?
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugang zu allen Kursmaterialien, einschließlich der benoteten Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen.
Ist finanzielle Hilfe verfügbar?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.