在本研究中,我们解释了阿姆斯特丹大学关于人工智能的公平性、责任性、保密性和透明度 (FACT-AI) 的技术研究生课程的设置,该课程通过可重复性的视角教授 FACT-AI 概念。该课程的重点是一个小组项目,该项目基于重现顶级 AI 会议上现有的 FACT-AI 算法并撰写相应的报告。在课程的第一次迭代中,我们创建了一个开源存储库,其中包含来自小组项目的代码实现。在第二次迭代中,我们鼓励学生将他们的小组项目提交给机器学习可重复性挑战赛,结果我们课程的 9 份报告被接受在 ReScience 期刊上发表。我们回顾了两年来教授该课程的经验,其中一年恰逢全球大流行,并提出了在研究生水平的人工智能学习课程中通过可重复性教授 FACT-AI 的指导方针。我们希望这可以成为未来想要开设类似课程的教师的有用资源。
![arXiv:2111.00826v4 [cs.AI] 2021 年 12 月 17 日PDF文件第1页](/bimg/3/32704a7797b1553ff985a9ba5f9d15b9c62a309e.webp)
![arXiv:2111.00826v4 [cs.AI] 2021 年 12 月 17 日PDF文件第2页](/bimg/d/dbb0087936549aca8ede5d5849b198b920b7e7b2.webp)
![arXiv:2111.00826v4 [cs.AI] 2021 年 12 月 17 日PDF文件第3页](/bimg/4/4e12381f88868ad6492b8eaf134c9a52955184f3.webp)
![arXiv:2111.00826v4 [cs.AI] 2021 年 12 月 17 日PDF文件第4页](/bimg/8/8876211461162979af296e5630b3e5e30f16dff8.webp)
![arXiv:2111.00826v4 [cs.AI] 2021 年 12 月 17 日PDF文件第5页](/bimg/c/cc31c602854573715557ac76fdf4782370d2fbc3.webp)
