Bewertung:
Das Buch „Understand, Manage, and Prevent Algorithmic Bias“ wird dafür gelobt, dass es auch für Nicht-Experten zugänglich ist und wertvolle Einblicke in algorithmische Verzerrungen bietet, was es zu einer guten Einführungsquelle macht. Für erfahrene Praktiker, die fortgeschrittenes Wissen suchen, ist es jedoch möglicherweise nicht geeignet.
Vorteile:Zugänglich und nützlich für Nicht-Datenwissenschaftler, praktische Anleitung zu algorithmischer Verzerrung, wertvolle Verbindungen zwischen traditioneller Analytik und Konzepten des maschinellen Lernens.
Nachteile:Erfüllt möglicherweise nicht die Erwartungen von erfahrenen Fachleuten oder Datenwissenschaftlern, die nach fortgeschrittenen Erkenntnissen suchen.
(basierend auf 3 Leserbewertungen)
Understand, Manage, and Prevent Algorithmic Bias: A Guide for Business Users and Data Scientists
Sind Algorithmen Freund oder Feind?
Der menschliche Verstand ist evolutionär darauf ausgelegt, Abkürzungen zu nehmen, um zu überleben. Wir ziehen voreilige Schlüsse, weil unser Gehirn uns in Sicherheit wiegen will. Die meisten unserer Voreingenommenheiten wirken sich zu unseren Gunsten aus, z. B. wenn wir ein Auto, das in unsere Richtung fährt, für gefährlich halten und sofort ausweichen oder wenn wir beschließen, einen Bissen Essen nicht zu essen, der verdorben zu sein scheint. Allerdings wirken sich inhärente Vorurteile negativ auf das Arbeitsumfeld und die Entscheidungsfindung in unseren Gemeinschaften aus. Mit der Entwicklung von Algorithmen und maschinellem Lernen wird zwar versucht, Voreingenommenheit zu beseitigen, aber sie werden schließlich von Menschen geschaffen und sind daher anfällig für das, was wir als algorithmische Voreingenommenheit bezeichnen.
In Algorithmische Voreingenommenheit verstehen, verwalten und verhindern hilft Ihnen der Autor Tobias Baer zu verstehen, woher algorithmische Voreingenommenheit kommt, wie man sie als Geschäftsanwender oder Regulierungsbehörde handhaben kann und wie die Datenwissenschaft verhindern kann, dass Voreingenommenheit in statistische Algorithmen einfließt. Baer befasst sich fachkundig mit einigen der mehr als 100 Arten natürlicher Verzerrungen wie Confirmation Bias, Stability Bias, Pattern Recognition Bias und vielen anderen. Algorithmische Verzerrungen spiegeln diese menschlichen Tendenzen wider - und haben ihren Ursprung in ihnen. Baer geht auf so unterschiedliche Themen wie Anomalieerkennung, hybride Modellstrukturen und selbstverbesserndes maschinelles Lernen ein.
Während sich die meisten Schriften über algorithmische Verzerrungen auf die Gefahren konzentrieren, weist der Kern dieses positiven, unterhaltsamen Buches auf einen Weg hin, auf dem Verzerrungen in Schach gehalten und sogar beseitigt werden können. Sie erhalten Managementtechniken, um unvoreingenommene Algorithmen zu entwickeln, die Fähigkeit, Voreingenommenheit schneller zu erkennen, und Wissen, um unvoreingenommene Daten zu erstellen. Understand, Manage, and Prevent Algorithmic Bias ist ein innovatives, zeitgemäßes und wichtiges Buch, das in Ihr Regal gehört. Egal, ob Sie eine erfahrene Führungskraft in der Wirtschaft, ein Datenwissenschaftler oder einfach nur ein Enthusiast sind, jetzt ist ein entscheidender Zeitpunkt, um sich über die Auswirkungen algorithmischer Verzerrungen auf die Gesellschaft zu informieren und eine aktive Rolle im Kampf gegen Verzerrungen zu übernehmen.
Was Sie lernen werden
⬤ Untersuchen Sie die vielen Quellen algorithmischer Verzerrungen, einschließlich kognitiver Verzerrungen in der realen Welt, verzerrter Daten und statistischer Artefakte.
⬤ Verstehen Sie die Risiken algorithmischer Verzerrungen, wie man sie erkennen kann und welche Managementtechniken es gibt, um sie zu verhindern oder zu verwalten.
⬤ Erkennen, wie maschinelles Lernen sowohl neue Quellen für algorithmische Verzerrungen schafft als auch ein Teil der Lösung sein kann.
⬤ mit spezifischen statistischen Techniken vertraut sein, die ein Datenwissenschaftler anwenden kann, um algorithmische Verzerrungen zu erkennen und zu überwinden.
Für wen ist dieses Buch gedacht?
Führungskräfte von Unternehmen, die Algorithmen im täglichen Betrieb einsetzen.
Datenwissenschaftler (von Studenten bis zu erfahrenen Praktikern), die Algorithmen entwickeln.
Compliance-Beamte, die sich über algorithmische Verzerrungen Gedanken machen.
Politiker, Journalisten und Philosophen, die sich Gedanken über die Auswirkungen algorithmischer Verzerrungen auf die Gesellschaft und mögliche regulatorische Maßnahmen machen.
Und Verbraucher, die sich Gedanken darüber machen, wie sie von algorithmischen Verzerrungen betroffen sein könnten.
| ISBN: | 9781484248843 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 245 |
Derzeit verfügbar, auf Lager.
