[147] הוגן או מדויק עם נורית כהן אינגר

About this episode

The episode discusses the fairness and accuracy of models in data science, featuring a conversation with guest Nurit Cohen Inger.

דאטה סיינטיסטים יספרו לנו בהתלהבות על איך הם פותרים class imbalance, אך מה לגבי imbalance של משתנים דמוגרפיים? השבוע באקספליינבל, אירחנו בשנית את נורית כהן אינגר כדי להבין האם מודל שאינו הוגן יכול להיות מדויק. נזכרנו בסקנדל של מודל COMPAS לחיזוי פשיעה חוזרת של עצורים בארה״ב, שחזה false positives פי 2 בקרב אוכלוסיה אפרו-אמריקנית. עמדנו על ההבדלים בין הוגנות קבוצתית לבין הוגנות אינדיבידואלית, ואיך לעצב מודל הוגן יותר בשלב הדאטה, האימון, והריצה. אז מודדים היום הוגנות של מודלי שפה? האם פייריות היא פיצ׳ר או מטריקה? ואיך מייק והילה הצליחו להשמיץ שוב את שיטת SMOTE? כל זאת ועוד - בפרק!

People in this episode

Hosts: מייק, הילה, Tamir Nave, Mike Erlihson, Uri Goren, Hila Paz Herszfang

Guest: נורית כהן אינגר

Topics covered

• data science
• fairness
• model accuracy
• demographic imbalance
• machine learning
• COMPAS scandal

Keywords

• class imbalance
• demographic variables
• fairness
• model design
• SMOTE
• false positives
• language models

Mentioned in this episode

Organizations: COMPAS

More episodes of ExplAInable

• [156] בני-נוער ולמידת מכונה: איך יראה הדור הבא של הדאטה סיינטיסטים · June 8, 2026 · 31 min
• [155] Diffusion Language Models · May 25, 2026 · 25 min
• [154] על Physical AI: מתי הומנואידים של טסלה ושוטף-שואב יחלקו foundational model · May 12, 2026 · 23 min
• [153] למידה אדוורסריאלית · April 26, 2026 · 36 min
• [152] ביו-האקינג כמו דאטה סיינטיסט · April 15, 2026 · 17 min
• [151] עקבות של רעשי תיוג עם ד״ר שמואל חיון · March 30, 2026 · 37 min