تجزیه و تحلیل داده ها با لنز سهام

مدرس Mareisha Reese

انتشار 2025/07/18

مدت زمان 1h 15m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Analyzing Data with an Equity Lens

در این دوره، کارشناسان Mareisha Reese و Mary-Frances Winters اهمیت برابری در شیوه های داده را برای اطمینان از نتایج منصفانه، بی طرفانه و فراگیر بررسی می کنند. این نشان می‌دهد که چگونه نابرابری‌ها در جمع‌آوری، تجزیه و تحلیل و گزارش‌دهی داده‌ها می‌تواند آسیب‌ها را تداوم بخشد و نتایج را به‌ویژه در زمینه‌هایی مانند مراقبت‌های بهداشتی، منابع انسانی و کاربردهای هوش مصنوعی تداوم بخشد. یادگیرندگان منابع سوگیری، مانند نمونه گیری و سوگیری الگوریتمی را کشف خواهند کرد و راهبردهای عملی برای مقابله با این چالش ها را کشف خواهند کرد. از طریق بحث در مورد روش‌های مبتنی بر ارزش و نقش هوش مصنوعی و اخلاق‌گرایان داده، شرکت‌کنندگان ابزارها و بینش‌هایی را برای گنجاندن عدالت در پروژه‌های داده خود به دست خواهند آورد. در پایان، فراگیران برای ایجاد شیوه های داده عادلانه تر و فراگیرتر در سازمان خود مجهز خواهند شد.

Business Strategy Data Analysis Diversity, Equality, and Inclusion (DEI)

Introduction

Data equity matters ()

1. Is Equity Important in Data Collection and Analysis?

What is data equity? ()

Is equity important in data analysis? ()

What types of data need to be analyzed with an equity lens? ()

2. Bias in Data Collection and Analysis

Sources of bias in data collection and analysis ()

Sampling bias in data collection ()

Selection bias in data collection ()

Exclusion bias in data collection ()

Confirmation bias in data analysis ()

Data processing bias in data analysis ()

Algorithmic bias in data analysis ()

Attribution bias in data analysis ()

3. Equity-Based Data Collection, Analysis, and Reporting

Data collection methods to ensure equity ()

Fairness in data aggregation ()

Fairness in data analysis ()

Fairness in reporting results ()

4. The Role of AI

What are the benefits and risks of AI in data analysis? ()

AI tools for data fairness ()

The role of data ethicists in fair AI ()

Data privacy issues ()

Conclusion

Build data fairness in your organization ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.