Ocena:
Książka „Responsible Data Science” to materiał skierowany do naukowców i menedżerów zajmujących się danymi, szczególnie w takich dziedzinach jak usługi finansowe i branże biotechnologiczne. Omawia stronniczość i niesprawiedliwość w algorytmach sztucznej inteligencji, oferując praktyczne narzędzia do etycznego wdrażania i audytu. Chociaż zawiera wnikliwe perspektywy, niektóre krytyki podkreślają, że fragmenty są zbyt wprowadzające lub powtarzalne i brakuje im głębi w niektórych obszarach.
Zalety:⬤ Zapewnia przydatne narzędzia do unikania szkód we wdrażaniu sztucznej inteligencji.
⬤ Zawiera praktyczne wskazówki dotyczące wdrażania i audytowania modeli uczenia maszynowego.
⬤ Zawiera fascynującą narrację, która edukuje w zakresie odpowiedzialnych praktyk AI.
⬤ Ukierunkowane wskazówki dla naukowców zajmujących się danymi i praktyków.
⬤ Podkreśla etyczne implikacje zastosowań nauki o danych.
⬤ Zawiera zbyt dużo materiału wprowadzającego, a niektóre sekcje są powtarzalne.
⬤ Brak głębi i szczegółowości w omawianiu krytycznych tematów.
⬤ Niektóre części techniczne mogą nie mieć ogólnego zastosowania.
(na podstawie 6 opinii czytelników)
Responsible Data Science
Poznaj najpoważniejsze kwestie etyczne w nauce o danych dzięki temu wnikliwemu nowemu zasobowi.
Rosnąca popularność nauki o danych zaowocowała wieloma nagłośnionymi przypadkami uprzedzeń, niesprawiedliwości i dyskryminacji. Powszechne wdrażanie algorytmów "czarnej skrzynki", które są trudne lub niemożliwe do zrozumienia i wyjaśnienia, nawet dla ich twórców, jest głównym źródłem tych nieprzewidzianych szkód, sprawiając, że nowoczesne techniki i metody manipulowania dużymi zbiorami danych wydają się złowieszcze, a nawet niebezpieczne. Algorytmy te, oddane w ręce autorytarnych rządów, umożliwiły tłumienie sprzeciwu politycznego i prześladowanie mniejszości. Aby zapobiec tym szkodom, naukowcy zajmujący się danymi na całym świecie muszą zrozumieć, w jaki sposób algorytmy, które tworzą i wdrażają, mogą szkodzić niektórym grupom lub być niesprawiedliwe.
Responsible Data Science zapewnia kompleksowe, praktyczne podejście do tego, jak wdrażać rozwiązania z zakresu nauki o danych w sposób bezstronny i etyczny, który minimalizuje ryzyko wyrządzenia nadmiernej szkody wrażliwym członkom społeczeństwa. Zarówno praktycy nauki o danych, jak i menedżerowie zespołów analitycznych dowiedzą się, jak:
⬤ Poprawić przejrzystość modeli, nawet w przypadku modeli typu "czarna skrzynka".
⬤ Diagnozowanie stronniczości i niesprawiedliwości w modelach przy użyciu wielu wskaźników.
⬤ Audytować projekty w celu zapewnienia uczciwości i zminimalizowania możliwości wystąpienia niezamierzonych szkód.
Idealna dla praktyków nauki o danych, Responsible Data Science zasłuży również na miejsce na półkach menedżerów o skłonnościach technicznych, programistów i statystyków.
