Qualification du biais de données dans le processus de la science des données - Archive ouverte HAL Accéder directement au contenu
Poster De Conférence Année : 2021

Qualification du biais de données dans le processus de la science des données

Ginel Dorleon
Imen Megdiche
Olivier Teste

Résumé

Dans le contexte de l’apprentissage machine, les données constituent la principale ressource pour guider les prises de décisions. Cependant, lorsque des biais existent dans les données, cela affecte de façon significative l’interprétation des décisions. Le biais est défini comme une distorsion systématique d’une évaluation ou d’un échantillon statistique choisi de façon défectueuse 1. Notre travail consiste à définir et qualifier les biais dans les données utilisées au cours du processus d’apprentissage. Sur un processus d’apprentissage, nous avons identifié les étapes où les biais peuvent survenir. Nous définissons les biais selon Mehrabi et al. (2019) en les qualifiant tout au long du processus d’apprentissage comme illustré à la Fig.1. Nous soulignons dans la suite les défis liés à ces biais.
Fichier principal
Vignette du fichier
Poster_EGC21_Dorleoon_et_al.pdf (148.54 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03333980 , version 1 (16-02-2023)

Licence

Paternité

Identifiants

  • HAL Id : hal-03333980 , version 1

Citer

Ginel Dorleon, Nathalie Bricon-Souf, Imen Megdiche, Olivier Teste. Qualification du biais de données dans le processus de la science des données. Jérôme Azé; Vincent Lemaire. 21ème conférence Extraction et Gestion des Connaissances (EGC 2021), Jan 2021, Montpellier, France. RNTI : Revue des Nouvelles Technologies de l'Information, EGC 2021. Revue des Nouvelles Technologies de l'Information, RNTI-E-37, pp.515-516. ⟨hal-03333980⟩
41 Consultations
25 Téléchargements

Partager

Gmail Facebook X LinkedIn More