PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA (PPGI)
UNIVERSIDADE FEDERAL DA PARAÍBA
- Telefone/Ramal
-
Não informado
Notícias
Banca de DEFESA: LUIZ FERNANDO FONSÊCA PINHEIRO DE LIMA
Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: LUIZ FERNANDO FONSÊCA PINHEIRO DE LIMA
DATA: 26/08/2022
HORA: 16:00
LOCAL: Online
TÍTULO: Usando uma Métrica de Compensação de Utilidade e Justiça para Comparar Sistematicamente Estratégias de Aprendizado Adversárias Justas e Não Generativas
PALAVRAS-CHAVES: Adversário, Aprendizado de Máquina, Benchmark, Justiça, Trade-off.
PÁGINAS: 138
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
RESUMO: Os sistemas de inteligência artificial para tomada de decisão tem se tornado cada vez mais populares em diversas áreas. No entanto, é possível identificar decisões enviesadas em muitas aplicações, o que se tornou uma preocupação para as comunidades de ciência da computação, inteligência artificial e direito. Desta forma, pesquisas estão sendo desenvolvidas para a construção de soluções que buscam mitigar o viés e a discriminação nos tomadores de decisão. Algumas das estratégias exploradas são baseadas em redes adversárias geradoras que geram dados justos. Outros se baseiam no aprendizado adversário para alcançar a justiça no aprendizado de máquina, codificando as restrições de justiça por meio de um modelo adversário. Muitos desses trabalhos consideram a relação entre justiça e acurácia como uma regra de trade-off inquebravel. Além disso, é comum que cada proposta avalie seu modelo com uma métrica específica, dificultando a comparação com os modelos da literatura. Assim, este trabalho tem como objetivo propor um procedimento de benchmark para ter um método sistemático para avaliar os modelos de aprendizado de máquina justo. Nesse sentido, definimos a métrica FU-score para avaliar o trade-off entre utilidade-justi¸ca, as métricas utilidade e justiça, os conjuntos de dados utilizados e o pré-processamento aplicado e o teste estatístico. Também realizamos essa avaliação de benchmark para os modelos adversários não generativos. A partir dos resultados alcançados pudemos analisar os modelos da literatura por uma mesma métrica e observar qual modelo teve melhor desempenho para cada conjunto de dados.
MEMBROS DA BANCA:
Presidente - 1723491 - CLAUIRTON DE ALBUQUERQUE SIEBRA
Interno - 1743917 - THAIS GAUDENCIO DO REGO
Externo ao Programa - 1095991 - DANIELLE ROUSY DIAS RICARTE
Externo à Instituição - GEBER LISBOA RAMALHO