Concevez un protocole de mesure d'équité pour le crédit mobile
Aperçu
En quoi consiste ce défi.
Concevez un protocole d’équité pour un crédit mobile : choisissez trois métriques, définissez les sous-groupes, spécifiez le bootstrap. Certificat vérifiable.
Le brief
Ce que vous ferez, et ce que vous démontrerez.
Comment mesurer de façon statistiquement défendable et reproductible si le modèle de notation de crédit traite équitablement les femmes et les populations rurales ?
Earning criteria — what you'll demonstrate
- Sélectionner des métriques d'équité de groupe pertinentes et expliciter leurs incompatibilités théoriques (cours : fairness measurement)
- Quantifier l'incertitude d'une mesure d'évaluation par rééchantillonnage plutôt que d'annoncer un chiffre ponctuel (cours : statistical evaluation methodology)
- Rendre une évaluation reproductible par versionnage des données et fixation des graines aléatoires (cours : reproducibility)
- Distinguer une disparité réelle d'un artefact de faible effectif dans un sous-groupe (cours : evaluation methodology)
Adéquation au programme
Où cela s'inscrit dans votre cursus.
Renforce les mêmes compétences que celles attendues par votre diplôme.
Cursus associés bientôt disponibles.
Compétences
Les compétences que vous démontrerez.
Chacune apparaît sur votre certificat vérifié.
Débouchés
Les métiers auxquels ce défi vous prépare.
De vrais intitulés. De vraies passerelles de compétences. Choisissez celui qui se rapproche le plus de votre trajectoire.
Consultant en Politiques d'IA Responsable
En traduisant des métriques d'équité en un protocole défendable devant un régulateur, vous acquérez l'expérience de fond de ce rôle : arbitrer entre exigences juridiques, contraintes techniques et lisibilité, puis documenter des décisions d'évaluation qui résistent à un audit externe.
Ce défi renforce
- model-evaluation
- model-monitoring
- reproducibility
Responsable de la Conformité IA
Vous apprenez à définir des sous-groupes protégés, à fixer des seuils de contrôle et à produire des preuves d'évaluation traçables — le cœur du travail de conformité IA, où il faut démontrer en continu qu'un système reste dans des limites acceptables.
Ce défi renforce
- model-evaluation
- model-monitoring
- data-annotation
Data Scientist
Manipuler des données de décision réelles, quantifier l'incertitude et rendre un calcul reproductible sont des gestes quotidiens du métier de data scientist ; ce défi renforce précisément l'évaluation rigoureuse d'un modèle plutôt que sa seule construction.
Ce défi renforce
- model-evaluation
- reproducibility
- data-annotation