Informations administratives
| Titre | Confiance, Normativité et Modèle Drift |
| Durée | 60 |
| Module | C |
| Type de leçon | Session interactive |
| Focus | Technique — IA future |
| Sujet | Problèmes et défis ouverts |
Mots-clés
Confiance, Dérivation du modèle, Normativité,
Objectifs d’apprentissage
- Appliquer des cadres de confiance à plusieurs études de cas d’exemples d’IA/ML
- Proposer des indicateurs de confiance pour illustrer les études de cas et établir un lien avec le cadre de confiance de l’UE
- Discuter de la normativité numérique dans le contexte d’exemples d’études de cas
- Identifier et modéliser le potentiel de dérive dans des exemples d’études de cas et proposer des mesures et des solutions de dérive pour renforcer la confiance des modèles
Préparation prévue
Événements d’apprentissage à compléter avant
Obligatoire pour les étudiants
Optionnel pour les étudiants
Références et antécédents pour les étudiants
Recommandé pour les enseignants
Aucun.
Matériel de leçon
Instructions pour les enseignants
Inciter les étudiants à s’engager dans des discussions. Diriger et guider la discussion dans le cadre des points de discussion. Encouragez les élèves à se concentrer sur les preuves et à interrompre s’ils parlent des autres. Gardez une note de tous les points de discussion et partagez le parcours de discussion à la fin du cours. Fournir des observations concluantes de la discussion avec d’éventuelles questions et défis en suspens.
Esquisse
| Durée (min) | Description |
|---|---|
| 5 | Définition du problème |
| 25 | Exemples de dérive de modèle, Types de modèle Drift |
| 15 | Discussion autour de Normativity, Applying trust frameworks to AI/ML models |
| 5 | Résumé de la discussion sur le modèle de dérive et de Normativité et les questions ouvertes |
Remerciements
Le programme de master IA centré sur l’humain a été cofinancé par le mécanisme pour l’interconnexion en Europe de l’Union européenne dans le cadre de la subvention CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.