Gyakorlati méltányosság: Igazságos és biztonságos adatmodellek elérése

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 13 olvasói szavazat alapján történt.

Eredeti címe:

Practical Fairness: Achieving Fair and Secure Data Models

Könyv tartalma:

A méltányosság az adattudósok egyik legfontosabb szempontjává válik. Egyre több bizonyíték utal arra, hogy a gépi tanulás és a mesterséges intelligencia széles körű alkalmazása az üzleti életben és a kormányzatban ugyanazokat az előítéleteket reprodukálja, amelyek ellen a való világban is küzdeni próbálunk. De mit jelent a méltányosság, amikor a kódról van szó? Ez a gyakorlatias könyv az adatbiztonsággal és a magánélet védelmével kapcsolatos alapvető aggályokkal foglalkozik, hogy segítsen az adat- és mesterséges intelligencia szakembereknek tisztességes és elfogultságtól mentes kódot használni.

Számos reális legjobb gyakorlat jelenik meg napjainkban az adatcsatorna minden lépcsőfokán, az adatok kiválasztásától és előfeldolgozásától a zárt modellellenőrzésekig. A szerző, Aileen Nielsen végigvezeti Önt a kód tisztességesé és biztonságossá tételének technikai, jogi és etikai szempontjain, miközben kiemeli a tisztességességgel és algoritmusokkal kapcsolatos aktuális tudományos kutatásokat és a folyamatban lévő jogi fejleményeket.

⬤ Elismerje a potenciális elfogultságot és diszkriminációt az adattudományi modellekben.

⬤ Használjon megelőző intézkedéseket az elfogultság minimalizálására az adatmodellezési pipelinek fejlesztése során.

⬤ Tudja meg, hogy mely adatcsővezeték-összetevők vonnak maguk után biztonsági és adatvédelmi aggályokat.

⬤ Írjon olyan adatfeldolgozási és modellezési kódot, amely a méltányosság legjobb gyakorlatát valósítja meg.

⬤ Tudja felismerni a gépi tanulási modellek használata által létrehozott méltányosság, adatvédelem és adatbiztonság közötti összetett összefüggéseket.

⬤  Alkalmazza a gépi tanulási modellek méltányosságának értékelése szempontjából releváns normatív és jogi fogalmakat.