Fairness und Privacy in ML-Systemen

The public is beginning to recognize the effects of ML-based decision-making. This is not the only reason why it is important to consider non-functional characteristics such as fairness or data protection. How can we ensure that ML-based decisions are made „fairly” and without algorithmic bias? At the same time, the testing of ML-based software is an open field without established best practices. What can we do to meet these challenges? And what exactly makes ML testing in running systems so complicated?

Datum: 09.12.2020
Uhrzeit: 14:45 - 15:45
Online Event: INNOQ Technology Day 2020

Speaker:in

Isabel Bär Alumna

Isabel Bär war bis Juni 2023 Werkstudentin bei INNOQ. Ihr Interessensgebiet ist die Entwicklung ML-basierter Software als Produkt zur Lösung von Business Problemen mit Machine Learning Model Operationalization Management (MLOps). MLOps erweitert DevOps um Machine Learning Artefakte mit dem Ziel, die Konzeptionierung, den Aufbau, das Deployment und das Monitoring von Machine-Learning-Modellen in Produktion durch effektive Methoden und Prozesse zu unterstützen.

Fairness und Privacy in ML-Systemen

TAGS