توضیحات
Are algorithms friend or foe? The human mind is evolutionarily designed to take shortcuts in order to survive. We jump to conclusions because our brains want to keep us safe. A majority of our biases work in our favor, such as when we feel a car speeding in our direction is dangerous and we instantly move, or when we decide not take a bite of food that appears to have gone bad. However, inherent bias negatively affects work environments and the decision-making surrounding our communities. While the creation of algorithms and machine learning attempts to eliminate bias, they are, after all, created by human beings, and thus are susceptible to what we call algorithmic bias. In Understand, Manage, and Prevent Algorithmic Bias, author Tobias Baer helps you understand where algorithmic bias comes from, how to manage it as a business user or regulator, and how data science can prevent bias from entering statistical algorithms. Baer expertly addresses some of the 100+ varieties of natural bias such as confirmation bias, stability bias, pattern-recognition bias, and many others. Algorithmic bias mirrorsand originates inthese human tendencies. Baer dives into topics as diverse as anomaly detection, hybrid model structures, and self-improving machine learning. While most writings on algorithmic bias focus on the dangers, the core of this positive, fun book points toward a path where bias is kept at bay and even eliminated. Youll come away with managerial techniques to develop unbiased algorithms, the ability to detect bias more quickly, and knowledge to create unbiased data. Understand, Manage, and Prevent Algorithmic Bias is an innovative, timely, and important book that belongs on your shelf. Whether you are a seasoned business executive, a data scientist, or simply an enthusiast, now is a crucial time to be educated about the impact of algorithmic bias on society and take an active role in fighting bias. What You`ll Learn: Study the many sources of algorithmic bias, including cognitive biases in the real world, biased data, and statistical artifact. Understand the risks of algorithmic biases, how to detect them, and managerial techniques to prevent or manage them. Appreciate how machine learning both introduces new sources of algorithmic bias and can be a part of a solution. Be familiar with specific statistical techniques a data scientist can use to detect and overcome algorithmic bias. Who This Book is For: Business executives of companies using algorithms in daily operations; data scientists (from students to seasoned practitioners) developing algorithms; compliance officials concerned about algorithmic bias; politicians, journalists, and philosophers thinking about algorithmic bias in terms of its impact on society and possible regulatory responses; and consumers concerned about how they might be affected by algorithmic bias.
————————————————————–
ترجمه ماشینی :
آیا الگوریتم ها دوست هستند یا دشمن؟ ذهن انسان از نظر تکاملی طوری طراحی شده است که برای زنده ماندن از میانبرها استفاده کند. ما به سرعت نتیجه گیری می کنیم زیرا مغز ما می خواهد ما را ایمن نگه دارد. اکثر تعصبات ما به نفع ما عمل می کنند، مانند زمانی که احساس می کنیم یک ماشین با سرعت در جهت ما خطرناک است و ما فورا حرکت می کنیم، یا زمانی که تصمیم می گیریم یک لقمه غذایی که به نظر می رسد خراب شده است نخوریم. با این حال، سوگیری ذاتی بر محیط های کاری و تصمیم گیری پیرامون جوامع ما تأثیر منفی می گذارد. در حالی که ایجاد الگوریتمها و یادگیری ماشینی سعی در حذف سوگیری دارد، به هر حال آنها توسط انسان ایجاد شدهاند و بنابراین مستعد آن چیزی هستند که ما آن را تعصب الگوریتمی مینامیم. نویسنده Tobias Baer در درک، مدیریت و جلوگیری از تعصب الگوریتمی به شما کمک می کند تا بفهمید سوگیری الگوریتمی از کجا می آید، چگونه آن را به عنوان یک کاربر تجاری یا تنظیم کننده مدیریت کنید و چگونه علم داده می تواند از ورود سوگیری به الگوریتم های آماری جلوگیری کند. Baer به طور ماهرانه به برخی از بیش از 100 نوع سوگیری طبیعی مانند سوگیری تایید، سوگیری پایداری، سوگیری تشخیص الگو و بسیاری دیگر پرداخته است. سوگیری الگوریتمی از این گرایشات انسانی سرچشمه می گیرد. Baer به موضوعات متنوعی مانند تشخیص ناهنجاری، ساختارهای مدل ترکیبی و یادگیری ماشینی خود-بهبود میپردازد. در حالی که بیشتر نوشتهها در مورد سوگیری الگوریتمی بر روی خطرات تمرکز دارند، هسته اصلی این کتاب مثبت و سرگرمکننده به مسیری اشاره میکند که در آن سوگیری دور نگه داشته شده و حتی از بین میرود. شما با تکنیک های مدیریتی برای توسعه الگوریتم های بی طرفانه، توانایی تشخیص سوگیری سریعتر و دانش برای ایجاد داده های بی طرف خواهید آمد. درک، مدیریت و جلوگیری از تعصب الگوریتمی کتابی نوآورانه، به موقع و مهم است که در قفسه شما قرار دارد. چه یک مدیر اجرایی کارکشته، یک دانشمند داده یا صرفاً یک علاقهمند باشید، اکنون زمان بسیار مهمی است که در مورد تأثیر سوگیری الگوریتمی بر جامعه آموزش ببینید و نقش فعالی در مبارزه با تعصب داشته باشید. آنچه خواهید آموخت: منابع متعدد سوگیری الگوریتمی، از جمله سوگیری های شناختی در دنیای واقعی، داده های جانبدارانه و مصنوعات آماری را مطالعه کنید. خطرات سوگیری های الگوریتمی، نحوه ت
tag : دانلود کتاب درک، مدیریت و جلوگیری از تعصب الگوریتمی: راهنمای کاربران تجاری و دانشمندان داده , Download درک، مدیریت و جلوگیری از تعصب الگوریتمی: راهنمای کاربران تجاری و دانشمندان داده , دانلود درک، مدیریت و جلوگیری از تعصب الگوریتمی: راهنمای کاربران تجاری و دانشمندان داده , Download Understand, Manage, And Prevent Algorithmic Bias: A Guide For Business Users And Data Scientists Book , درک، مدیریت و جلوگیری از تعصب الگوریتمی: راهنمای کاربران تجاری و دانشمندان داده دانلود , buy درک، مدیریت و جلوگیری از تعصب الگوریتمی: راهنمای کاربران تجاری و دانشمندان داده , خرید کتاب درک، مدیریت و جلوگیری از تعصب الگوریتمی: راهنمای کاربران تجاری و دانشمندان داده , دانلود کتاب Understand, Manage, And Prevent Algorithmic Bias: A Guide For Business Users And Data Scientists , کتاب Understand, Manage, And Prevent Algorithmic Bias: A Guide For Business Users And Data Scientists , دانلود Understand, Manage, And Prevent Algorithmic Bias: A Guide For Business Users And Data Scientists , خرید Understand, Manage, And Prevent Algorithmic Bias: A Guide For Business Users And Data Scientists , خرید کتاب Understand, Manage, And Prevent Algorithmic Bias: A Guide For Business Users And Data Scientists ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.