Hodnotenie:
Kniha „Understand, Manage, and Prevent Algorithmic Bias“ (Pochopiť, riadiť a predchádzať algoritmickému skresleniu) je chválená za to, že je prístupná aj neodborníkom a poskytuje cenné poznatky o algoritmickom skreslení, čo z nej robí dobrý úvodný zdroj informácií. Nemusí však uspokojiť potreby skúsených odborníkov z praxe, ktorí hľadajú pokročilé znalosti.
Výhody:Prístupný a užitočný pre neinformatikov, praktický návod na algoritmickú zaujatosť, cenné prepojenia medzi tradičnou analytikou a koncepciami strojového učenia.
Nevýhody:Nemusí spĺňať očakávania skúsených odborníkov alebo dátových vedcov, ktorí hľadajú pokročilé poznatky.
(na základe 3 čitateľských recenzií)
Understand, Manage, and Prevent Algorithmic Bias: A Guide for Business Users and Data Scientists
Sú algoritmy priateľ alebo nepriateľ?
Ľudská myseľ je evolučne navrhnutá tak, aby využívala skratky v záujme prežitia. Robíme rýchle závery, pretože náš mozog nás chce ochrániť. Väčšina našich predsudkov funguje v náš prospech, napríklad keď máme pocit, že auto, ktoré sa rúti naším smerom, je nebezpečné, a okamžite sa pohneme, alebo keď sa rozhodneme nezjesť sústo jedla, ktoré sa zdá byť pokazené. Vrodené predsudky však negatívne ovplyvňujú pracovné prostredie a rozhodovanie o našich komunitách. Aj keď sa vytváranie algoritmov a strojového učenia pokúša o odstránenie zaujatosti, sú predsa len vytvorené ľuďmi, a preto sú náchylné na to, čo nazývame algoritmická zaujatosť.
V knihe Understand, Manage, and Prevent Algorithmic Bias vám autor Tobias Baer pomôže pochopiť, odkiaľ pochádza algoritmická zaujatosť, ako ju ako používateľ alebo regulačný orgán riadiť a ako môže dátová veda zabrániť tomu, aby sa do štatistických algoritmov dostala zaujatosť. Baer sa odborne venuje niektorým z viac ako 100 druhov prirodzenej zaujatosti, ako je napríklad konfirmačná zaujatosť, zaujatosť stability, zaujatosť rozpoznávania vzorov a mnohé ďalšie. Algoritmická zaujatosť odráža - a má pôvod v - týchto ľudských tendenciách. Baer sa venuje takým rôznorodým témam, ako je detekcia anomálií, hybridné modelové štruktúry a sebazdokonaľujúce strojové učenie.
Zatiaľ čo väčšina prác o algoritmickej zaujatosti sa zameriava na nebezpečenstvá, jadro tejto pozitívnej a zábavnej knihy ukazuje cestu, na ktorej sa zaujatosť udržiava na uzde, a dokonca eliminuje. Odídete s manažérskymi technikami na vývoj nezaujatých algoritmov, schopnosťou rýchlejšie odhaliť zaujatosť a vedomosťami na vytváranie nezaujatých údajov. Pochopiť, riadiť a predchádzať algoritmickému skresleniu je inovatívna, aktuálna a dôležitá kniha, ktorá patrí na vašu poličku. Bez ohľadu na to, či ste skúsený obchodný manažér, dátový vedec alebo jednoducho nadšenec, teraz je rozhodujúci čas na to, aby ste sa vzdelávali o vplyve algoritmickej zaujatosti na spoločnosť a aktívne sa zapojili do boja proti zaujatosti.
Čo sa dozviete
⬤ Preštudujte si mnohé zdroje algoritmickej zaujatosti vrátane kognitívnych predsudkov v reálnom svete, zaujatých údajov a štatistického artefaktu.
⬤ Poznáte riziká algoritmickej zaujatosti, spôsoby jej odhaľovania a manažérske techniky na jej predchádzanie alebo riadenie.
⬤ Vyhodnotiť, ako strojové učenie zavádza nové zdroje algoritmickej zaujatosti a zároveň môže byť súčasťou riešenia.
⬤ Zoznámiť sa s konkrétnymi štatistickými technikami, ktoré môže dátový vedec použiť na odhalenie a prekonanie algoritmickej zaujatosti.
Pre koho je táto kniha určená
Vedúci pracovníci spoločností, ktorí používajú algoritmy v každodennej činnosti.
Dátoví vedci (od študentov až po skúsených odborníkov), ktorí vyvíjajú algoritmy.
Úradníci zodpovední za dodržiavanie predpisov, ktorí sa obávajú algoritmickej zaujatosti.
Politici, novinári a filozofi uvažujúci o algoritmickej zaujatosti z hľadiska jej vplyvu na spoločnosť a možných regulačných reakcií.
A spotrebitelia, ktorí sa zaujímajú o to, ako ich môže ovplyvniť algoritmická zaujatosť.