Buchumschlag

Aequitas Flow: Streamlining Fair ML Experimentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jesus, Sérgio, Saleiro, Pedro, Silva, Inês Oliveira e, Jorge, Beatriz M., Ribeiro, Rita P., Gama, João, Bizarro, Pedro, Ghani, Rayid
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fair-OBNC: Correcting Label Noise for Fairer Datasets
von: Silva, Inês Oliveira e, et al.
Veröffentlicht: (2024)

Towards Automated Scoping of AI for Social Good Projects
von: Emmerson, Jacob, et al.
Veröffentlicht: (2025)

Preventing Eviction-Caused Homelessness through ML-Informed Distribution of Rental Assistance
von: Vajiac, Catalina, et al.
Veröffentlicht: (2024)

Mind the truncation gap: challenges of learning on dynamic graphs with recurrent architectures
von: Bravo, João, et al.
Veröffentlicht: (2024)

Rethinking XAI Evaluation: A Human-Centered Audit of Shapley Benchmarks in High-Stakes Settings
von: Silva, Inês Oliveira e, et al.
Veröffentlicht: (2026)

Toward Third-Party Assurance of AI Systems: Design Requirements, Prototype, and Early Testing
von: Kim, Rachel M., et al.
Veröffentlicht: (2026)

Enabling the AI Revolution in Healthcare
von: Singh, Mona, et al.
Veröffentlicht: (2025)

DiConStruct: Causal Concept-based Explanations through Black-Box Distillation
von: Moreira, Ricardo, et al.
Veröffentlicht: (2024)

Aequitas Magazine
Veröffentlicht: (2024)

Leveraging LLMs to Streamline the Review of Public Funding Applications
von: Marques, Joao D. S., et al.
Veröffentlicht: (2025)

Aequitas Magazine - Volume n. 4/2026
von: Aequitas Magazine Associazione culturale di Ricerca e Studi giuridici
Veröffentlicht: (2026)

Benchmark It Yourself (BIY): Preparing a Dataset and Benchmarking AI Models for Scatterplot-Related Tasks
von: Palmeiro, João, et al.
Veröffentlicht: (2025)

Can Fairness be Automated? Guidelines and Opportunities for Fairness-aware AutoML
von: Weerts, Hilde, et al.
Veröffentlicht: (2023)

Cost-Sensitive Learning to Defer to Multiple Experts with Workload Constraints
von: Alves, Jean V., et al.
Veröffentlicht: (2024)

State of the Art in Fair ML: From Moral Philosophy and Legislation to Fair Classifiers
von: Baumann, Elias, et al.
Veröffentlicht: (2018)

FairSense: Long-Term Fairness Analysis of ML-Enabled Systems
von: She, Yining, et al.
Veröffentlicht: (2025)

Predicting Fairness of ML Software Configurations
von: Herrera, Salvador Robles, et al.
Veröffentlicht: (2024)

FairLay-ML: Intuitive Debugging of Fairness in Data-Driven Social-Critical Software
von: Yu, Normen, et al.
Veröffentlicht: (2024)

Consensus and Subjectivity of Skin Tone Annotation for ML Fairness
von: Schumann, Candice, et al.
Veröffentlicht: (2023)

Breaking the Cycle of Incarceration With Targeted Mental Health Outreach: A Case Study in Machine Learning for Public Policy
von: Rodolfa, Kit T., et al.
Veröffentlicht: (2025)

Fairness Audits of Institutional Risk Models in Deployed ML Pipelines
von: McConvey, Kelly, et al.
Veröffentlicht: (2026)

Multilayer Horizontal Visibility Graphs for Multivariate Time Series Analysis
von: Silva, Vanessa Freitas, et al.
Veröffentlicht: (2023)

Navigating Fairness: Practitioners' Understanding, Challenges, and Strategies in AI/ML Development
von: Pant, Aastha, et al.
Veröffentlicht: (2024)

Streamlining Compliance And Risk Management with Regtech Solutions
von: Bagwe, Chintamani
Veröffentlicht: (2025)

The use of the open innovation paradigm in the public sector: a systematic review of published studies
von: Júnior, Joel Alves de Lima, et al.
Veröffentlicht: (2024)

The Balance between Nuance and Clarity: Decluttering Tabular Sequential Graphs to Counter Money Laundering
von: Esteves, Salomé, et al.
Veröffentlicht: (2026)

Optimizing Metro Station Locations and Line Layouts in Selangor using Genetic Algorithm Approach: Technical Report
von: Lammaihri, Hasna, et al.
Veröffentlicht: (2024)

A simple and flexible algorithm to generate real-world networks
von: Morais, João Pedro C., et al.
Veröffentlicht: (2025)

Learning Fair Representations with Kolmogorov-Arnold Networks
von: Priyadarshini, Amisha, et al.
Veröffentlicht: (2025)

On the independence number of sparser random Cayley graphs
von: Marcelo Campos, et al.
Veröffentlicht: (2024)

Encouraging the teaching of science through composting
von: Muniz, Michele Cristina, et al.
Veröffentlicht: (2025)

Wage Cyclicality and Labor Market Institutions
von: João Pereira, et al.
Veröffentlicht: (2025)

An Experimental Study on Fairness-aware Machine Learning for Credit Scoring Problems
von: Thu, Huyen Giang Thi, et al.
Veröffentlicht: (2024)

Histogram Approaches for Imbalanced Data Streams Regression
von: Aminian, Ehsan, et al.
Veröffentlicht: (2025)

Cross-National Evidence of Disproportionate Media Visibility for the Radical Right in the 2024 European Elections
von: Damião, Íris, et al.
Veröffentlicht: (2026)

Position: Beyond Sensitive Attributes, ML Fairness Should Quantify Structural Injustice via Social Determinants
von: Tang, Zeyu, et al.
Veröffentlicht: (2025)

Fair Mixed Effects Support Vector Machine
von: Burgard, Jan Pablo, et al.
Veröffentlicht: (2024)

"Show Me What's Wrong!": Combining Charts and Text to Guide Data Analysis
von: Feliciano, Beatriz, et al.
Veröffentlicht: (2024)

Counterfactual Fairness Is Not Demographic Parity, and Other Observations
von: Silva, Ricardo
Veröffentlicht: (2024)

Fairness in Algorithmic Recourse Through the Lens of Substantive Equality of Opportunity
von: Bell, Andrew, et al.
Veröffentlicht: (2024)