Search
Generic filters
Exact matches only
Filter by content type
Users
Attachments

Tobias Fahse

Wissenschaftlicher Mitarbeiter
mail
phone
+41767236287

Publikationen


This paper introduces a framework for managing bias in machine learning (ML) projects. When ML-capabilities are used for decision making, they frequently affect the lives of many people. However, bias can lead to low model performance and misguided business decisions, resulting in fatal financial, social, and reputational impacts. This framework provides an overview of potential biases and corresponding mitigation methods for each phase of the well-established process model CRISP-DM. Eight distinct types of biases and 25 mitigation methods were identified through a literature review and allocated to six phases of the reference model in a synthesized way. Furthermore, some biases are mitigated in different phases as they occur. Our framework helps to create clarity in these multiple relationships, thus assisting project managers in avoiding biased ML-outcomes.

Mehr
Die pandemische Verbreitung des Virus COVID-19 bedeutet einen tiefen Einschnitt in Wirtschaft, Gesellschaft und das Leben fast aller Menschen. Die Auswirkungen des Lockdowns, der in zahlreichen Ländern stattgefunden hat und in einigen noch nicht beendet ist, zwingt nach unserer Meinung und Erfahrung Unternehmen, sich aktiv, intensiv und strategisch mit seinen Auswirkungen auseinanderzusetzen. Digitalisierung wird bei der Aufarbeitung des Lockdowns, das ist unbestritten, eine grosse Rolle spielen. Um besser verstehen zu können, wie Führungskräfte, die sich jeden Tag mit Digitalisierung auseinandersetzen, auf den Lockdown reagieren, haben wir Chief Information Officers und Chief Digital Officers grosser Schweizer Unternehmen nach ihren Erfahrungen in der COVID-19-Krise und mit dem Lockdown und ihren Plänen befragt. Sie alle erwarten grosse Veränderungen und beginnen mit der Aufarbeitung der Erkenntnisse und Erfahrungen. Die Ergebnisse unserer Befragung haben wir in sieben Thesen zusammengefasst. Einschränkend ist zu sagen, dass zum Zeitpunkt der Befragung, im Juni 2020, die Krise noch nicht überwunden ist. Entsprechend ist es möglich, dass der weitere Verlauf der COVID-19-Krise Aussagen in diesem Artikel in Frage stellt oder sie sich sogar als nicht richtig erweisen.

Mehr

Lehraktivitäten


Robotic Process Automation

Künstliche Intelligenz in kleinen und mittleren Betrieben

Projekte


Entwicklung eines Maturitätsmodells für Künstliche Intelligenz