Übersicht
Worum es bei diesem Projekt geht.
Du erhältst einen anonymisierten Datensatz mit 30.000 historischen CV-Bewertungen, die Modell-Scores plus die später getroffenen Einstellungs-Entscheidungen umfassen. Implementiere ein systematisches Fairness-Audit mit Aequitas oder fairlearn: berechne mindestens vier Fairness-Metriken (Demografische Parität, Equal Opportunity, Equalized Odds, Calibration within Groups). Identifiziere mindestens drei statistisch signifikante Verzerrungen, schlage zu jeder eine konkrete Mitigations-Strategie vor (Re-Weighting, Threshold-Optimization, Trainings-Daten-Augmentierung) und schätze den Trade-off zu Recruiting-Genauigkeit ab. Liefere einen Audit-Bericht plus eine Folien-Präsentation für das Compliance-Board.
Das Briefing
Was Du tust und was Du zeigst.
Führe ein quantitatives Fairness-Audit durch, identifiziere mindestens drei dokumentierte Verzerrungen und schlage Mitigations-Strategien mit Trade-off-Analyse vor.
Earning criteria — what you'll demonstrate
- Fairness-Metriken konzeptionell unterscheiden und auf realen Daten anwenden
- Statistische Signifikanz von Disparitäten mit Bootstrap-Tests belegen
- Mitigations-Strategien sauber gegenüber Modell-Qualität abwägen
- Audit-Befunde für ein Compliance-Board verständlich aufbereiten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenAI Safety Researcher
Fairness-Audits für regulierte Branchen sind das tägliche Brot von AI Safety Researchern; diese Challenge bildet das volle Vorgehen ab.
Dieses Projekt schärft
- fairness-metrics
- bias-analysis
- responsible-ai
Data Scientist
Statistische Disparitäts-Analyse plus Mitigations-Empfehlung ist die Fairness-Komponente, die Data Scientists in HR-Tech, Fintech und Healthtech zunehmend liefern müssen.
Dieses Projekt schärft
- statistical-testing
- bias-analysis
- python
Applied AI Scientist
Verantwortliche KI als Querschnitts-Skill in Modell-Entwicklungsprojekten ist Kerngebiet angewandter KI-Wissenschaftler in regulierten Branchen.
Dieses Projekt schärft
- responsible-ai
- fairness-metrics
- ai-governance
Noch eine Sache