Artwork

Conteúdo fornecido por Carnegie Mellon University. Todo o conteúdo do podcast, incluindo episódios, gráficos e descrições de podcast, é carregado e fornecido diretamente por Carnegie Mellon University ou por seu parceiro de plataforma de podcast. Se você acredita que alguém está usando seu trabalho protegido por direitos autorais sem sua permissão, siga o processo descrito aqui https://pt.player.fm/legal.
Player FM - Aplicativo de podcast
Fique off-line com o app Player FM !

Enron, Wikipedia and the Deal with Biased Low-Friction Data

29:17
 
Compartilhar
 

Manage episode 280193765 series 2789552
Conteúdo fornecido por Carnegie Mellon University. Todo o conteúdo do podcast, incluindo episódios, gráficos e descrições de podcast, é carregado e fornecido diretamente por Carnegie Mellon University ou por seu parceiro de plataforma de podcast. Se você acredita que alguém está usando seu trabalho protegido por direitos autorais sem sua permissão, siga o processo descrito aqui https://pt.player.fm/legal.

The Enron emails helped give us spam filters, and many natural language processing and fact-checking algorithms rely on data from Wikipedia. While these data resources are plentiful and easily accessible, they are also highly biased. This week, we speak to guests Amanda Levendowski and Katie Willingham about how low-friction data sources contribute to algorithmic bias and the role of copyright law in accessing less troublesome sources of knowledge and data.

  continue reading

41 episódios

Artwork
iconCompartilhar
 
Manage episode 280193765 series 2789552
Conteúdo fornecido por Carnegie Mellon University. Todo o conteúdo do podcast, incluindo episódios, gráficos e descrições de podcast, é carregado e fornecido diretamente por Carnegie Mellon University ou por seu parceiro de plataforma de podcast. Se você acredita que alguém está usando seu trabalho protegido por direitos autorais sem sua permissão, siga o processo descrito aqui https://pt.player.fm/legal.

The Enron emails helped give us spam filters, and many natural language processing and fact-checking algorithms rely on data from Wikipedia. While these data resources are plentiful and easily accessible, they are also highly biased. This week, we speak to guests Amanda Levendowski and Katie Willingham about how low-friction data sources contribute to algorithmic bias and the role of copyright law in accessing less troublesome sources of knowledge and data.

  continue reading

41 episódios

Tất cả các tập

×
 
Loading …

Bem vindo ao Player FM!

O Player FM procura na web por podcasts de alta qualidade para você curtir agora mesmo. É o melhor app de podcast e funciona no Android, iPhone e web. Inscreva-se para sincronizar as assinaturas entre os dispositivos.

 

Guia rápido de referências