[general_dat] Invitación a cursar materia bimestral: Seminario de Equidad en Algoritmos: comprensión y abordaje

[Viviana Cotik]

Hola,

para cursar la materia es requisito que tengan aprobados: los prácticos de
Métodos Numéricos y Algoritmos y Estructuras de Datos III (plan 93 de
Ciencias de la Computación),  Complejidad Computacional y Estadística
Computacional (plan 23 de Ciencias de la Computación)  y Laboratorio de
Datos, Álgebra Lineal Computacional y Algoritmos y Estructuras de Datos
III  (carrera de Ciencias de Datos) .

Saludos,
Viviana

On Fri, Sep 27, 2024 at 1:11 PM Viviana Cotik <vcotik at dc.uba.ar> wrote:

> Hola,
>
> quería invitarl at s a cursar la  materia bimestral "Seminario de Equidad en
> Algoritmos: comprensión y abordaje" (grado) y "Seminario sobre equidad en
> algoritmos" (doctorado), que dictaré durante el 4to bimestre.
>
> *Horario: *jueves de 10:00 a 13:00 hs.
> *Inicio:* jueves 10 de Octubre.
> *Duración:* 8 semanas.
> *Puntaje:* 2 puntos para grado, 1 punto para doctorado.
>
> El aprendizaje automático se basa en que las computadoras aprendan a
> identificar patrones y tomar decisiones que imiten las de los humanos a
> partir de datos que se le presentan y con poca intervención humana.
> Actualmente el aprendizaje automático está integrado en nuestras vidas para
> la automatización de tareas de distinta índole y para la toma de
> decisiones.
>
> Existen distintos tipos de sesgos, por raza y etnicidad, edad, sexo,
> clase, entre otros. Los algoritmos de aprendizaje automático aprenden a
> partir de los datos con los que se los entrena y pueden perpetuar los
> sesgos que existen en los mismos. De esta forma pueden otorgar
> oportunidades, recursos e información de manera injusta, proveyendo
> distinta calidad de servicio para distintas personas. También pueden
> reforzar estereotipos sociales
>
> Es de suma importancia implementar algoritmos imparciales, usando técnicas
> de aprendizaje automático que consideren los sesgos y la equidad
> (fairness). Para esto hay que considerar, entre otros, el muestreo de
> datos, el entrenamiento y la evaluación de los algoritmos, la composición
> de los equipos que construyen los sistemas (género, razas, disciplinas) y
> el procesamiento de datos. La implementación de algoritmos teniendo en
> cuenta la equidad es importante, entre otras áreas de estudio en el
> procesamiento del lenguaje natural, el procesamiento del habla y el
> procesamiento de imágenes.
>
> En este seminario discutiremos el concepto de equidad (o imparcialidad)
> algorítmica y sesgos en sistemas de aprendizaje automático, sus posibles
> orígenes, la importancia de conseguir un aprendizaje automático justo y
> ético y algunas vías para avanzar en dicho sentido.
>
> Se proporcionará una lista de papers relevantes en la temática. Se pedirá
> presentación de los trabajos. También se elaborará un trabajo práctico.
>
> Ante cualquier consulta, no duden en escribirme en respuesta a este mail.
>
> Saludos a todas y a todos,
> Viviana
>
>