788 matching collectives
La Builderie
About
Prêt à transformer vos visions en réalités numériques ?
JvZ Solutions
About
Taking startups to their next level
Collectif de AMB
About
Le groupe de toute vos folies !
Octocode
About
Octocode : Des solutions technologiques créatives et sur mesure.
Hirondo
About
Our network delivers impact to visionary companies while enjoying more of life - personally and professionally.
LlamaData
About
Data science et économétrie au service du produit
GOLD.FINGERS
About
epic legal designs
PICNIQ
About
Picniq, experts Webflow certifiés : Nous désignons sous Figma et créons sous Webflow des sites performants, SEO-friendly, et qui convertissent.
Further
About
Vous avez un projet, nous avons des idées.
Rocket dev
About
Des apps rapides et solides
Optimal.
About
Experts en CRO et AB Test, nous optimisons -> vous convertissez !
Redteam
About
Créez ce que vos clients vont aimer acheter
Finôde
About
n.f. : Qui cache de la finesse et de l’habileté sous un air de simplicité. - Stratégie . Identité visuelle . Site web . Ux / Ui design -
TWIN PICS
About
Créez du contenu photo et vidéo avec TWIN PICS
L8L Développement web infiniment pertinent
About
Développement de logiciels en ligne et d'applications/plateformes web avec de l'éco-responsabilité
Docade
About
Le Trio de la Data
Bulldozer Data
About
Votre data. Sur un plateau.
TechBridge
About
Bridging business needs with technology
Eticas
•Accounting & Legal•Tech & Software•Small
Nouvelle réalisation
Eticas est une entreprise de LegalTech spécialisée dans le domaine de l'éthique et des biais sociaux.
.
Eticas
Dans le cadre de cette mission, Eticas avait besoin d'un Data Scientist spécialisé en NLP afin d'auditer un modèle d'analyses de textes pour l'ajuntament (mairie) de Barcelone.
L'algorithme en question récupère les entretiens des citoyens qui effectuent une requête d'allocation sociale, traite les textes puis définit l'allocation idéale pour le citoyen.
Nous avons travaillé sur l'identification de biais de cet algorithme : nous avons identifié quels groupes sociaux étaient désavantagés lors de l'octroi d'allocations.
Par exemple, après avoir déterminé sémantiquement les groupes sociaux protégés, nous avons étudié les résultats de l'algorithme sur les familles monoparentales afin de mesurer si celles-ci avaient les mêmes chances que des familles biparentales d'avoir accès aux allocations ou si elles étaient désavantagées. L'objectif étant de vérifier que l'algorithme soit équitables pour tous les groupes sociaux protégés (femmes seules, LGBTQ+, étrangers...)
Lors de l'audit j'ai effectué les tâches suivantes :
- Analyses descriptives des allocations sociales: demandes / problèmes / ressources
- Implémentation et reproduction des algorithmes Deep Learning
- Définition des groupes sociaux protégés
- Segmentation des citoyens en groupes sociaux protégés en fonction du contenu des entretiens
- Création de groupes de contrôle
- Analyses des biais de l'algorithme en fonction des groupes sociaux
- Recommandation pour éliminer le biais
Members
Expertises
From
Dec 2019 to Jun 2020