Sessional Lecturer, INF2404H - Explainability & Fairness for Responsible Machine Learning
- Machine learning
- Toronto
- 06/13/2024
- -
Название курса: INF2404H – Объяснимость и справедливость в ответственном машинном обучении
Приложения машинного обучения все чаще используются для принятия ключевых решений в таких секторах, как здравоохранение, финансовые услуги, обеспечение общественной безопасности и высшее образование. На этом курсе рассматриваются передовые техники и технологии, связанные с объяснимостью и справедливостью в приложениях машинного обучения. Учет этих аспектов, ориентированных на человека, имеет решающее значение для проектирования и эксплуатации ответственных систем машинного обучения. Студенты будут изучать рамки и техники для архитектурного моделирования, анализа и проектирования для понимания объяснимости и справедливости в реальных приложениях.
Примерное количество учащихся: 35
Поддержка ассистента преподавателя: Не предвидится. Примерно 75 часов при увеличении числа учащихся до 36 или больше. Часы ассистента, если таковые будут, будут распределены исходя из количества учащихся.
Будет определено. Кандидаты должны находиться в географической близости к территории Университета Торонто к дате начала курса для выполнения обязанностей на кампусе.
с 1 сентября 2024 г. по 31 декабря 2024 г.
Примечание: В случае расхождений между этими ставками и теми, которые прописаны в коллективном соглашении CUPE 3902 Unit 3, преимущественными являются ставки из соглашения.
Предпочтение отдается кандидатам, имеющим завершенную или почти завершенную докторскую степень в соответствующей области, или степень магистра с обширным профессиональным опытом в релевантной области. Наличие преподавательского опыта является преимуществом.
К обязанностям относится подготовка учебных материалов, проведение учебного содержания (