課題4：機械学習やデータマイニングにおけるFaireness（公平性）について論じよ。
目次
36. 課題4：機械学習やデータマイニングにおけるFaireness（公平性）について論じよ。¶
36.1. 資料一覧¶
資料1: Fairness
Video Lecture, Types of Bias, Identifying Bias, Evaluating for Bias, Programming Exercise
資料2: 機械学習・データマイニングにおける公平性
資料3: Good Data Analysis
36.2. Level 1¶
(1) 資料1の「Types of Bias」まで取り組め。Reporting Bias、Selection Bias、Group Attribution Bias、Implicit Biasについて解説せよ。各々数行程度で良い。
(2) 教材には書かれていないバイアスの具体例を述べよ。この際、(a) バイアスを検討したテーマそのものについて述べるとともに、(b) バイアスについて述べよ。
可能ならば、課題1〜3で取り上げた自身のテーマについて、どのようなバイアスが存在しうるかを検討せよ。課題1〜3で言及することが困難な場合には別テーマを取り上げて良い。いずれの場合であってもテーマそのものについての説明を含めること。
36.3. Level 2¶
資料1の「Programming Exercise」まで取り組め。そのうえで、自分自身の興味のあるテーマについて fairness の視点から想定される問題点について論じよ。テーマが思いつかない場合には、UK police are using AI to inform custodial decisions – but it could be discriminating against the poorを題材として検討せよ。
レポートにはテーマに関する説明（200字以上）と、考察（500字以上）を掲載すること。
特に上限は設けないが、長くなる場合には節や段落等を考慮し、全体を整理して書くこと。
36.4. オプション例¶
資料2を読み、興味のあるものについて原本を参照し、自分なりの考えを述べよ。
資料3を読み、これまでに取り組んだ課題1〜3もしくは他の自身が取り組んだことのある課題全般からいずれかを例とし、より良い分析をするために今ならこうやるという改善案を検討せよ。
Level 1で示したバイアス例が実際に存在している状況を考えてみよう。そのバイアスを踏まえて分析するにはどのような前処理が考えられるか、検討せよ。
検討した方法を実際に適用し、その効果を検証せよ。