Zrozumieć, zarządzać i zapobiegać uprzedzeniom algorytmicznym: przewodnik dla użytkowników biznesowych i naukowców zajmujących się danymi

Opinie czytelników

Książka „Understand, Manage, and Prevent Algorithmic Bias” jest chwalona za to, że jest przystępna dla osób niebędących ekspertami i zapewnia cenny wgląd w uprzedzenia algorytmiczne, co czyni ją dobrym źródłem wprowadzającym. Może jednak nie zaspokoić potrzeb doświadczonych praktyków poszukujących zaawansowanej wiedzy.

Przystępna i przydatna dla osób niebędących analitykami danych, praktyczne wskazówki dotyczące stronniczości algorytmów, cenne powiązania między tradycyjną analityką a koncepcjami uczenia maszynowego.

Może nie spełniać oczekiwań doświadczonych profesjonalistów lub naukowców zajmujących się danymi, szukających zaawansowanych spostrzeżeń.

(na podstawie 3 opinii czytelników)

Oryginalny tytuł:

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

Zawartość książki:

Algorytmy są przyjacielem czy wrogiem?

Ludzki umysł został ewolucyjnie zaprojektowany do chodzenia na skróty w celu przetrwania. Wyciągamy pochopne wnioski, ponieważ nasze mózgi chcą zapewnić nam bezpieczeństwo. Większość naszych uprzedzeń działa na naszą korzyść, na przykład gdy czujemy, że samochód pędzący w naszym kierunku jest niebezpieczny i natychmiast ruszamy, lub gdy decydujemy się nie brać kęsa jedzenia, które wydaje się nieświeże. Nieodłączne uprzedzenia negatywnie wpływają jednak na środowisko pracy i podejmowanie decyzji dotyczących naszych społeczności. Chociaż tworzenie algorytmów i uczenie maszynowe próbuje wyeliminować stronniczość, są one przecież tworzone przez ludzi, a zatem są podatne na to, co nazywamy stronniczością algorytmiczną.

W książce Understand, Manage, and Prevent Algorithmic Bias autor Tobias Baer pomaga zrozumieć, skąd bierze się stronniczość algorytmów, jak nią zarządzać jako użytkownik biznesowy lub regulator oraz w jaki sposób nauka o danych może zapobiegać wprowadzaniu stronniczości do algorytmów statystycznych. Baer fachowo odnosi się do niektórych z ponad 100 odmian naturalnej stronniczości, takich jak stronniczość potwierdzenia, stronniczość stabilności, stronniczość rozpoznawania wzorców i wiele innych. Tendencyjność algorytmów odzwierciedla - i wywodzi się - z tych ludzkich tendencji. Baer zagłębia się w tak różnorodne tematy, jak wykrywanie anomalii, hybrydowe struktury modeli i samodoskonalące się uczenie maszynowe.

Podczas gdy większość tekstów na temat stronniczości algorytmów koncentruje się na zagrożeniach, rdzeń tej pozytywnej, zabawnej książki wskazuje na ścieżkę, na której stronniczość jest utrzymywana na dystans, a nawet eliminowana. Czytelnik zapozna się z technikami menedżerskimi pozwalającymi opracowywać bezstronne algorytmy, szybciej wykrywać stronniczość i zdobywać wiedzę umożliwiającą tworzenie bezstronnych danych. Understand, Manage, and Prevent Algorithmic Bias to innowacyjna, aktualna i ważna książka, która powinna znaleźć się na twojej półce. Niezależnie od tego, czy jesteś doświadczonym dyrektorem biznesowym, naukowcem zajmującym się danymi, czy po prostu entuzjastą, teraz jest kluczowy czas, aby dowiedzieć się o wpływie uprzedzeń algorytmicznych na społeczeństwo i podjąć aktywną rolę w walce z uprzedzeniami.

Czego się nauczysz

⬤ Zapoznać się z wieloma źródłami uprzedzeń algorytmicznych, w tym uprzedzeń poznawczych w świecie rzeczywistym, tendencyjnych danych i artefaktów statystycznych.

⬤ Zrozumieć ryzyko związane z uprzedzeniami algorytmicznymi, jak je wykrywać oraz techniki zarządzania, aby im zapobiegać lub nimi zarządzać.

⬤ Rozumieć, w jaki sposób uczenie maszynowe zarówno wprowadza nowe źródła błędu algorytmicznego, jak i może być częścią rozwiązania.

⬤ Zaznajomienie się z konkretnymi technikami statystycznymi, które analityk danych może wykorzystać do wykrywania i przezwyciężania błędu algorytmu.

Dla kogo jest ta książka

Kierownictwo firm wykorzystujących algorytmy w codziennej działalności.

Naukowcy zajmujący się danymi (od studentów po doświadczonych praktyków) opracowujący algorytmy.

Urzędnicy ds. zgodności z przepisami zaniepokojeni stronniczością algorytmów.

Politycy, dziennikarze i filozofowie myślący o stronniczości algorytmów w kontekście jej wpływu na społeczeństwo i możliwych reakcji regulacyjnych.

Konsumenci zaniepokojeni tym, w jaki sposób stronniczość algorytmów może na nich wpływać.