Matemaattiset menetelmät yhdenvertaisuuden edistämiseksi koneoppimisen sovelluksissa

Tietueen suppeat tiedot
dc.contributor.authorAhmaoja, Emma-Leena
dc.contributor.departmentfi=Matematiikan ja tilastotieteen laitos|en=Department of Mathematics and Statistics|
dc.contributor.facultyfi=Matemaattis-luonnontieteellinen tiedekunta|en=Faculty of Science|
dc.contributor.studysubjectfi=Matematiikka|en=Mathematics|
dc.date.accessioned2024-06-03T10:30:08Z
dc.date.available2024-06-03T10:30:08Z
dc.date.issued2024-05-04
dc.description.abstractTekoälyjärjestelmien ja -sovellusten käyttö arkipäivän tilanteissa lisääntyy jatkuvasti, mikä korostaa tarvetta huomioida oikeudenmukaisuus niiden suunnittelussa ja toteutuksessa. Tavoitteena on varmistaa, että nämä järjestelmät eivät aiheuta päätöksissään syrjintää tiettyjä ihmisryhmiä kohtaan. Tässä tutkielmassa tarkastellaan erilaisia oikeudenmukaisuuden määritelmiä sekä syitä datavinoumien muodostumiseen. Lisäksi esitetään joitain kirjallisuudessa ehdotettuja algoritmisia menetelmiä, joilla oikeudenmukaisuutta voidaan edistää koneoppimisen sovelluksissa. Näitä menetelmiä tarkastellaan koneoppimisprosessin eri vaiheiden näkökulmasta. Esikäsittelyn aikaisista menetelmistä tutkielmaan valikoitui NIFTY-algoritmi, kun taas käsittelyn aikaisten menetelmien osalta tarkastellaan adversatiivisia vinoumien korjaustapoja. Lopuksi jälkikäsittelymenetelminä tutkielmassa esitetään ortogonaaliluokittelija ja monitarkkuuden käsite.
dc.format.extent49
dc.identifier.olddbid194770
dc.identifier.oldhandle10024/177824
dc.identifier.urihttps://www.utupub.fi/handle/11111/19015
dc.identifier.urnURN:NBN:fi-fe2024050828262
dc.language.isofin
dc.rightsfi=Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.|en=This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.|
dc.rights.accessrightsavoin
dc.source.identifierhttps://www.utupub.fi/handle/10024/177824
dc.subjectalgoritminen oikeudenmukaisuus, oikeudenmukainen koneoppiminen, reiluusmetriikat
dc.titleMatemaattiset menetelmät yhdenvertaisuuden edistämiseksi koneoppimisen sovelluksissa
dc.type.ontasotfi=Diplomityö|en=Master's thesis|

Tiedostot

Näytetään 1 - 1 / 1
Name:
Ahmaoja_Emma-Leena_opinnayte.pdf
Size:
561.6 KB
Format:
Adobe Portable Document Format
Lataa

Kokoelmat

Pro gradu -tutkielmat ja diplomityöt sekä syventävien opintojen opinnäytetyöt (kokotekstit)