Bewertung:
Das Buch „Responsible Data Science“ ist eine Ressource, die sich an Datenwissenschaftler und Manager richtet, insbesondere in Bereichen wie Finanzdienstleistungen und biotechnischen Industrien. Es erörtert Voreingenommenheit und Unfairness in KI-Algorithmen und bietet praktische Instrumente für die ethische Umsetzung und Prüfung. Obwohl es aufschlussreiche Perspektiven enthält, wird in einigen Kritiken hervorgehoben, dass Teile zu einführend oder repetitiv sind und es in bestimmten Bereichen an Tiefe fehlt.
Vorteile:⬤ Bietet nützliche Werkzeuge zur Vermeidung von Schaden beim Einsatz von KI.
⬤ Bietet praktische Tipps für die Implementierung und Prüfung von Machine-Learning-Modellen.
⬤ Enthält eine fesselnde Erzählung, die über verantwortungsvolle KI-Praktiken aufklärt.
⬤ Gezielte Anleitung für Datenwissenschaftler und Praktiker.
⬤ Hebt die ethischen Implikationen von Data-Science-Anwendungen hervor.
⬤ Enthält zu viel einführendes Material und einige Abschnitte wiederholen sich.
⬤ Es fehlt an Tiefe und Spezifität bei der Erörterung kritischer Themen.
⬤ Einige technische Teile sind möglicherweise nicht allgemein anwendbar.
(basierend auf 6 Leserbewertungen)
Responsible Data Science
Erforschen Sie die schwerwiegendsten ethischen Probleme in der Datenwissenschaft mit dieser aufschlussreichen neuen Ressource
Die zunehmende Popularität der Datenwissenschaft hat zu zahlreichen öffentlichkeitswirksamen Fällen von Voreingenommenheit, Ungerechtigkeit und Diskriminierung geführt. Der weit verbreitete Einsatz von "Black Box"-Algorithmen, die selbst für ihre Entwickler schwer oder gar nicht zu verstehen und zu erklären sind, ist eine der Hauptursachen für diese unvorhergesehenen Schäden und lässt moderne Techniken und Methoden zur Manipulation großer Datensätze unheimlich und sogar gefährlich erscheinen. In den Händen autoritärer Regierungen haben diese Algorithmen die Unterdrückung von politischer Opposition und die Verfolgung von Minderheiten ermöglicht. Um dies zu verhindern, müssen Datenwissenschaftler überall verstehen lernen, wie die Algorithmen, die sie entwickeln und einsetzen, bestimmten Gruppen schaden oder ungerecht sein können.
Responsible Data Science bietet eine umfassende, praktische Abhandlung darüber, wie datenwissenschaftliche Lösungen auf ausgewogene und ethische Weise implementiert werden können, um das Risiko einer unangemessenen Schädigung gefährdeter Mitglieder der Gesellschaft zu minimieren. Sowohl Data-Science-Praktiker als auch Manager von Analyseteams werden lernen, wie sie:
⬤ Verbessern Sie die Modelltransparenz, auch für Black-Box-Modelle.
⬤ Diagnose von Verzerrungen und Ungerechtigkeiten innerhalb von Modellen unter Verwendung mehrerer Metriken.
⬤ Projekte überprüfen, um Fairness zu gewährleisten und die Möglichkeit eines unbeabsichtigten Schadens zu minimieren.
Perfekt für Data-Science-Praktiker, wird Responsible Data Science auch einen Platz in den Bücherregalen von technisch interessierten Managern, Softwareentwicklern und Statistikern verdienen.
| ISBN: | 9781119741756 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 304 |
Derzeit verfügbar, auf Lager.
