Update
Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है
Subjects
Class 12 Artificial Intelligence Part B: Subject Specific Skills Unit 2: Data Science Methodology Easy Level 8

पूर्वाग्रह घटाने के लिए कौन सा कदम उपयोगी है?

Which step is useful for reducing bias?

Author: Muft Shiksha Editorial Team Published: Updated:
Explanation opens after your attempt
Correct Answer

A. विविध और संतुलित आंकड़ों का उपयोग करनाUse diverse and balanced data

Explanation

Simple Explanation

विविध और संतुलित आंकड़े अलग-अलग समूहों का उचित प्रतिनिधित्व करते हैं, इसलिए मॉडल के निर्णयों में किसी एक समूह के पक्ष या विरोध का पूर्वाग्रह घट सकता है। केवल एक समूह के आंकड़े लेने से मॉडल की निष्पक्षता कम हो सकती है, जबकि गलत आंकड़े बनाना और परिणामों की जांच न करना पूर्वाग्रह को बढ़ा सकता है। परीक्षा टिप: AI में निष्पक्षता सुधारने के लिए प्रतिनिधित्वपूर्ण आंकड़े और परिणामों की नियमित जांच दोनों महत्वपूर्ण हैं। / Using diverse and balanced data gives fair representation to different groups and can reduce a model's bias for or against any one group. Using data from only one group can make the model less fair, while creating incorrect data or failing to check results can increase bias. Exam tip: Improving AI fairness requires both representative data and regular evaluation of the results.

Short Link https://muftshiksha.com/q/642

Question me issue ya doubt hai?

Answer, explanation, typing mistake ya suggestion directly hamari team ko bhejein. 📱Helpline (Call / WhatsApp): +91 7272824365

Continue practising

Related Artificial Intelligence Questions

इसी subject के 10 चुने हुए सवाल

10 MCQs
  1. जलवायु के लिए व्यक्तिगत योगदान का अच्छा उदाहरण क्या है?
  2. कक्षा में पौधा लगाना किस भावना को बढ़ाता है?
  3. सौर ऊर्जा से चलने वाला स्ट्रीट लाइट किसका उदाहरण है?
  4. भविष्य की पीढ़ियों के लिए संसाधन बचाना किस विचार से जुड़ा है?
  5. संसाधनों का नैतिक उपयोग किस बात पर जोर देता है?
  6. हरित आदतों को ट्रैक करने से क्या लाभ है?
  7. व्यक्तिगत हरित कार्य योजना में क्या शामिल हो सकता है?
  8. पर्यावरण स्वयंसेवक क्या करता है?
  9. स्कूल में पर्यावरण अभियान का उद्देश्य क्या हो सकता है?
  10. सामुदायिक बगीचा किसका अच्छा उदाहरण है?

Related Artificial Intelligence Learning Links

Artificial Intelligence Subject

Level-wise subject practice

Part B: Subject Specific Skills Quiz

Chapter-wise MCQ practice

Search Similar MCQs

Find related questions

Daily Challenge

Fresh quiz practice
FAQs

Artificial Intelligence Answer, Explanation and Revision Hints

पूर्वाग्रह घटाने के लिए कौन सा कदम उपयोगी है? / Which step is useful for reducing bias?

Correct Answer: A. विविध और संतुलित आंकड़ों का उपयोग करना / Use diverse and balanced data. Explanation: विविध और संतुलित आंकड़े अलग-अलग समूहों का उचित प्रतिनिधित्व करते हैं, इसलिए मॉडल के निर्णयों में किसी एक समूह के पक्ष या विरोध का पूर्वाग्रह घट सकता है। केवल एक समूह के आंकड़े लेने से मॉडल की निष्पक्षता कम हो सकती है, जबकि गलत आंकड़े बनाना और परिणामों की जांच न करना पूर्वाग्रह को बढ़ा सकता है। परीक्षा टिप: AI में निष्पक्षता सुधारने के लिए प्रतिनिधित्वपूर्ण आंकड़े और परिणामों की नियमित जांच दोनों महत्वपूर्ण हैं। / Using diverse and balanced data gives fair representation to different groups and can reduce a model's bias for or against any one group. Using data from only one group can make the model less fair, while creating incorrect data or failing to check results can increase bias. Exam tip: Improving AI fairness requires both representative data and regular evaluation of the results.