Praktická spravodlivosť: Dosahovanie spravodlivých a bezpečných dátových modelov

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 13 hlasoch.

Pôvodný názov:

Practical Fairness: Achieving Fair and Secure Data Models

Obsah knihy:

Spravodlivosť sa stáva pre dátových vedcov prvoradým aspektom. Čoraz viac dôkazov naznačuje, že rozsiahle nasadenie strojového učenia a umelej inteligencie v podnikaní a vo verejnej správe reprodukuje tie isté predsudky, proti ktorým sa snažíme bojovať v reálnom svete. Čo však znamená spravodlivosť, keď ide o kód? Táto praktická kniha sa zaoberá základnými otázkami súvisiacimi s bezpečnosťou údajov a ochranou súkromia, aby pomohla odborníkom na údaje a umelú inteligenciu používať kód, ktorý je spravodlivý a bez zaujatosti.

Mnohé realistické osvedčené postupy sa dnes objavujú vo všetkých krokoch dátového potrubia, od výberu a predbežného spracovania údajov až po uzavreté audity modelov. Autorka Aileen Nielsen vás prevedie technickými, právnymi a etickými aspektmi tvorby spravodlivého a bezpečného kódu, pričom upozorňuje na aktuálny akademický výskum a prebiehajúci právny vývoj súvisiaci so spravodlivosťou a algoritmami.

⬤ Identifikujte potenciálnu zaujatosť a diskrimináciu v modeloch dátovej vedy.

⬤ Využívajte preventívne opatrenia na minimalizáciu zaujatosti pri vývoji dátových modelov.

⬤ Pochopiť, ktoré komponenty dátových potrubí implikujú obavy týkajúce sa bezpečnosti a ochrany súkromia.

⬤ Písať kód na spracovanie a modelovanie údajov, ktorý implementuje osvedčené postupy pre spravodlivosť.

⬤ Poznať zložité vzájomné vzťahy medzi spravodlivosťou, ochranou súkromia a bezpečnosťou údajov, ktoré vznikajú pri používaní modelov strojového učenia.

⬤ Aplikovať normatívne a právne koncepty relevantné pre hodnotenie spravodlivosti modelov strojového učenia.