توضیحات
This is the first book on ethical data science that provides hand-on practical technical steps practitioners and managers can take to fix the ethical and fairness issues arising from large data sets in data science. The book sets the stage with a review of the types of ethical challenges posed by the increasing use of data science methods to make decisions previously made by humans. Some of the topics covered include: Types of ethical challenges posed by data science including overtly bad examples like the Chinese modification of the credit score as ‘social worth’ as well as grey areas such as increase surveillance from law enforcement through consumer devices (Ring, Alexa, Nest). Behavior manipulation (Cambridge Analytica) and deepfakes as well as unintentionally bad consequences such as mortgage discrimination and biased cash bail systems Review of black box models and how their usage can aggravate issues of model transparency, bias, and fairness Approaches for making black box models interpretable and identifying issues of bias or fairness Using statistical methods to analyze the effects of models and mitigate bias The book will describe interesting real cases in focused, readable and practical terms suitable both for managers with some technical ability, and for practitioners, steps to address key ethical issues in data science.
————————————————————–
ترجمه ماشینی :
این اولین کتاب در علم دادههای اخلاقی است که گامهای فنی عملی را ارائه میدهد که پزشکان و مدیران میتوانند برای رفع مسائل اخلاقی و عادلانه ناشی از مجموعههای بزرگ داده در علم داده بردارند. این کتاب صحنه را با مروری بر انواع چالشهای اخلاقی ناشی از استفاده روزافزون از روشهای علم داده برای تصمیمگیریهایی که قبلاً توسط انسانها گرفته شده بود، تنظیم میکند. برخی از موضوعات تحت پوشش عبارتند از: انواع چالشهای اخلاقی ناشی از علم داده، از جمله مثالهای آشکارا بد مانند اصلاح چینی امتیاز اعتباری به عنوان «ارزش اجتماعی» و همچنین مناطق خاکستری مانند افزایش نظارت از سوی مجری قانون از طریق دستگاههای مصرفکننده (Ring, الکسا، آشیانه). دستکاری رفتار (کمبریج آنالیتیکا) و جعلهای عمیق و همچنین پیامدهای ناخواسته بد مانند تبعیض وام مسکن و سیستمهای وثیقه نقدی مغرضانه بررسی مدلهای جعبه سیاه و نحوه استفاده از آنها میتواند مسائل مربوط به شفافیت، تعصب و انصاف مدل را تشدید کند. رویکردهایی برای تفسیرپذیر کردن مدلهای جعبه سیاه و شناسایی مسائل مربوط به سوگیری یا انصاف با استفاده از روشهای آماری برای تجزیه و تحلیل اثرات مدلها و کاهش تعصب کتاب موارد واقعی جالب را با عبارات متمرکز، خوانا و عملی مناسب هم برای مدیران با برخی تواناییهای فنی و هم برای شاغلین، گامهایی برای پرداختن به کلید توصیف میکند. مسائل اخلاقی در علم داده
tag : دانلود کتاب علم داده مسئول , Download علم داده مسئول , دانلود علم داده مسئول , Download Responsible Data Science Book , علم داده مسئول دانلود , buy علم داده مسئول , خرید کتاب علم داده مسئول , دانلود کتاب Responsible Data Science , کتاب Responsible Data Science , دانلود Responsible Data Science , خرید Responsible Data Science , خرید کتاب Responsible Data Science ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.