Înțelegerea, gestionarea și prevenirea prejudecăților algoritmice: Un ghid pentru utilizatorii de afaceri și cercetătorii de date

Recenzii ale cititorilor

Cartea „Understand, Manage, and Prevent Algorithmic Bias” (Înțelegerea, gestionarea și prevenirea prejudecăților algoritmice) este lăudată pentru faptul că este accesibilă neexperților și oferă informații valoroase privind prejudecățile algoritmice, ceea ce o face o bună resursă introductivă. Cu toate acestea, este posibil să nu satisfacă nevoile practicienilor experimentați care caută cunoștințe avansate.

Accesibilă și utilă pentru cei care nu sunt specialiști în date, orientări practice privind părtinirea algoritmică, conexiuni valoroase între conceptele tradiționale de analiză și învățare automată.

Poate să nu satisfacă așteptările profesioniștilor experimentați sau ale oamenilor de știință de date care caută cunoștințe avansate.

(pe baza a 3 recenzii ale cititorilor)

Titlul original:

Understand, Manage, and Prevent Algorithmic Bias: A Guide for Business Users and Data Scientists

Conținutul cărții:

Sunt algoritmii prieteni sau dușmani?

Mintea umană este proiectată din punct de vedere evolutiv să ia scurtături pentru a supraviețui. Tragem concluzii pripite pentru că creierul nostru vrea să ne protejeze. Majoritatea prejudecăților noastre lucrează în favoarea noastră, cum ar fi atunci când simțim că o mașină care circulă cu viteză în direcția noastră este periculoasă și ne mișcăm instantaneu, sau când decidem să nu luăm o îmbucătură din mâncarea care pare să se fi stricat. Cu toate acestea, prejudecățile inerente afectează negativ mediile de lucru și procesul decizional din jurul comunităților noastre. Deși crearea de algoritmi și învățarea automată încearcă să elimine prejudecățile, acestea sunt, la urma urmei, create de ființe umane și, prin urmare, sunt susceptibile la ceea ce numim prejudecăți algoritmice.

În Understand, Manage, and Prevent Algorithmic Bias, autorul Tobias Baer vă ajută să înțelegeți de unde vine părtinirea algoritmică, cum să o gestionați în calitate de utilizator de afaceri sau autoritate de reglementare și cum știința datelor poate preveni pătrunderea părtinirii în algoritmii statistici. Baer abordează cu competență unele dintre cele peste 100 de varietăți de prejudecăți naturale, cum ar fi prejudecățile de confirmare, de stabilitate, de recunoaștere a modelelor și multe altele. Prejudecățile algoritmice reflectă - și își au originea în - aceste tendințe umane. Baer abordează subiecte la fel de diverse precum detectarea anomaliilor, structurile modelelor hibride și învățarea automată autoîmbunătățită.

În timp ce majoritatea scrierilor despre părtinirea algoritmică se concentrează pe pericole, miezul acestei cărți pozitive și amuzante indică o cale prin care părtinirea este ținută la distanță și chiar eliminată. Veți obține tehnici manageriale pentru a dezvolta algoritmi imparțiali, capacitatea de a detecta mai rapid părtinirea și cunoștințe pentru a crea date imparțiale. Understand, Manage, and Prevent Algorithmic Bias este o carte inovatoare, oportună și importantă care trebuie să se afle pe raftul dumneavoastră. Fie că sunteți un director de afaceri experimentat, un om de știință în domeniul datelor sau pur și simplu un entuziast, acum este un moment crucial pentru a fi educat cu privire la impactul prejudecăților algoritmice asupra societății și pentru a juca un rol activ în combaterea prejudecăților.

Ce veți învăța

⬤ Studiați numeroasele surse de prejudecăți algoritmice, inclusiv prejudecățile cognitive din lumea reală, datele părtinitoare și artefactele statistice.

⬤ Înțelegeți riscurile prejudecăților algoritmice, cum să le detectați și tehnicile manageriale pentru a le preveni sau gestiona.

⬤ Apreciați modul în care învățarea automată introduce noi surse de prejudecăți algoritmice și poate fi o parte a unei soluții.

⬤ Să fie familiarizat cu tehnicile statistice specifice pe care le poate utiliza un cercetător de date pentru a detecta și a depăși prejudecățile algoritmice.

Pentru cine este această carte

Directori de companii care utilizează algoritmi în operațiunile zilnice.

Oameni de știință în domeniul datelor (de la studenți la practicieni experimentați) care dezvoltă algoritmi.

Responsabili de conformitate preocupați de prejudecățile algoritmice.

Politicieni, jurnaliști și filosofi care se gândesc la prejudecățile algoritmice în ceea ce privește impactul acestora asupra societății și posibilele răspunsuri de reglementare.

Și consumatori preocupați de modul în care ar putea fi afectați de părtinirea algoritmică.