PyTorch
Expert
Correction d’un modèle biaisé par déséquilibre structurel des données
Type d'évaluation
Mise en situation réelle
Analyse
Intelligence Artificielle
Compétences ciblées
bias-mitigation
fairness
classification
bugfix
model-evaluation
Scénario Technique
Contexte : Un modèle de scoring présente des performances inégales selon certains segments. Le Problème : Le dataset d’entraînement introduit un biais indirect. Extrait logique actuelle : criterion = CrossEntropyLoss() Sans pondération. Contraintes : Introduire pondération des classes. Analyser métriques segmentées. Évaluer impact sur équité. Livrable attendu : Proposer une stratégie complète de mitigation du biais dans un modèle PyTorch.
Prêt à évaluer ce talent ?
Accédez à l'interface de test complète pour soumettre votre architecture ou votre code.