ESTUDIO DE LA INFLUENCIA DE CRITERIOS DE FAIRNESS EN MODELOS DE MACHINE LEARNING
dc.contributor.author | Lahoz Notario, Pilar | |
dc.date.accessioned | 2023-07-03T22:00:07Z | |
dc.date.available | 2023-07-03T22:00:07Z | |
dc.date.issued | 2023-07-03 | |
dc.description | Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2022/2023. Directores/as: Alfredo Cuesta Infante | |
dc.description.abstract | A lo largo de este trabajo se hará un estudio sobre como distintos criterios de ¿fairness¿ influyen en distintos modelos de machine learning. Estos criterios se utilizan con el fin de eliminar tratamientos no equitativos entre distintos grupos de población. Estas desigualdades provienen de los datos utilizados en los modelos de ML. En este trabajo se crearán cinco modelos distintos de ML para dos bases de datos distintas y posteriormente se les aplicará los criterios de fairness. | |
dc.identifier.uri | https://hdl.handle.net/10115/22408 | |
dc.language.iso | spa | |
dc.publisher | Universidad Rey Juan Carlos | |
dc.rights | ||
dc.rights.accessRights | info:eu-repo/semantics/embargoedAccess | |
dc.rights.uri | ||
dc.subject | Machine learning | |
dc.subject | Fairness | |
dc.subject | Inteligencia Artificial | |
dc.title | ESTUDIO DE LA INFLUENCIA DE CRITERIOS DE FAIRNESS EN MODELOS DE MACHINE LEARNING | |
dc.type | info:eu-repo/semantics/studentThesis |
Archivos
Bloque original
1 - 1 de 1
No hay miniatura disponible
- Nombre:
- 2022-23-ETSII-A-2033-2033037-p.lahoz.2018-MEMORIA.pdf
- Tamaño:
- 1.27 MB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Memoria del TFG