Plonge dans l'impact des nouvelles technologies sur les processus de recrutement et de sélection dans les entreprises, en insistant sur la nécessité de prévoir le rendement futur du travail.
Explore la combinaison de données au repos avec des données en mouvement, en mettant l'accent sur les complexités de l'architecture Lambda et l'évaluation de la qualité des flux et des lots.
Explore les biais cognitifs, les émotions et l'évolution du langage, couvrant les échecs de la mémoire, les heuristiques de prise de décision et les origines du langage.
Introduit des concepts clés en matière de droits de l'homme, explore la discrimination, les normes sociales et l'impact des algorithmes sur les droits.
Examine les défis que posent les hypothèses de données, les biais et d'autres aspects de la recherche, y compris les écritures incomplètes et les frustrations des nouveaux arrivants.
S'engager dans l'équité, la partialité et la fiabilité dans l'évaluation de l'apprentissage, en s'attaquant aux préjugés inconscients et aux disparités entre les sexes dans l'éducation scientifique.
Explore l'importance de la gouvernance mondiale dans l'intelligence artificielle, en mettant l'accent sur les pratiques éthiques, les questions de partialité et la confiance dans les technologies de l'intelligence artificielle.
Explore les modèles d'affaires des plateformes populaires, l'impact de la publicité ciblée, les bulles de filtre, le harcèlement en ligne et la technologie en politique.
Explorer la conception expérimentale pour mesurer les résultats d'apprentissage et discuter des biais, de l'équivalence de groupe et des conceptions à l'intérieur des sujets.
Introduit le cours pratique AI et FX, en se concentrant sur des lectures hebdomadaires et des discussions sur les aspects éthiques et juridiques de l'IA.
Couvre la motivation, les préjugés, le stress et les routines d'apprentissage dans l'éducation, en mettant l'accent sur l'impact de l'identité sociale et des préjugés inconscients.
Déplacer dans les préjugés et les stéréotypes dans les environnements d'apprentissage, en mettant l'accent sur les stratégies visant à réduire les préjugés et à améliorer les résultats d'apprentissage.
Se penche sur les défis que pose l'équité dans les processus décisionnels algorithmiques, la lutte contre les préjugés et les injustices historiques dans les données.
