دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Responsible Data Science
دانلود کتاب علم داده مسئول
مشخصات کتاب
Responsible Data Science
ویرایش: نویسندگان: Grant Fleming, Peter C. Bruce سری: ISBN (شابک) : 1119741750, 9781119741756 ناشر: Wiley سال نشر: 2021 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 24 مگابایت
قیمت کتاب (تومان) : 36,000
در صورت تبدیل فایل کتاب Responsible Data Science به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب علم داده مسئول نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب علم داده مسئول
این اولین کتاب در علم دادههای اخلاقی است که گامهای فنی عملی را ارائه میدهد که پزشکان و مدیران میتوانند برای رفع مسائل اخلاقی و انصاف ناشی از مجموعههای بزرگ داده در علم داده بردارند. این کتاب با مروری بر انواع چالشهای اخلاقی ناشی از استفاده روزافزون از روشهای علم داده برای تصمیمگیریهایی که قبلاً توسط انسانها گرفته شده بود، صحنه را تنظیم میکند. برخی از موضوعات تحت پوشش عبارتند از: انواع چالش های اخلاقی ناشی از علم داده، از جمله نمونه های آشکارا بد مانند اصلاح چینی امتیاز اعتباری به عنوان "ارزش اجتماعی" و همچنین مناطق خاکستری مانند افزایش نظارت از اجرای قانون از طریق دستگاه های مصرف کننده ( حلقه، الکسا، آشیانه). دستکاری رفتار (کمبریج آنالیتیکا) و جعل های عمیق و همچنین پیامدهای ناخواسته بد مانند تبعیض وام مسکن و سیستم های وثیقه نقد مغرضانه بررسی مدل های "جعبه سیاه" و اینکه چگونه استفاده از آنها می تواند مسائل مربوط به شفافیت مدل، تعصب و انصاف را تشدید کند. رویکردهای ساخت جعبه سیاه مدلهای قابل تفسیر و شناسایی مسائل مربوط به سوگیری یا انصاف با استفاده از روشهای آماری برای تجزیه و تحلیل اثرات مدلها و کاهش تعصب کتاب موارد واقعی جالب را با عبارات متمرکز، خواندنی و عملی توصیف میکند که هم برای مدیران با برخی تواناییهای فنی مناسب است و هم برای شاغلین، مراحل به مسائل اخلاقی کلیدی در علم داده بپردازد.
توضیحاتی درمورد کتاب به خارجی
This is the first book on ethical data science that provides hand-on practical technical steps practitioners and managers can take to fix the ethical and fairness issues arising from large data sets in data science. The book sets the stage with a review of the types of ethical challenges posed by the increasing use of data science methods to make decisions previously made by humans. Some of the topics covered include: Types of ethical challenges posed by data science including overtly bad examples like the Chinese modification of the credit score as "social worth" as well as grey areas such as increase surveillance from law enforcement through consumer devices (Ring, Alexa, Nest). Behavior manipulation (Cambridge Analytica) and deepfakes as well as unintentionally bad consequences such as mortgage discrimination and biased cash bail systems Review of “black box” models and how their usage can aggravate issues of model transparency, bias, and fairness Approaches for making black box models interpretable and identifying issues of bias or fairness Using statistical methods to analyze the effects of models and mitigate bias The book will describe interesting real cases in focused, readable and practical terms suitable both for managers with some technical ability, and for practitioners, steps to address key ethical issues in data science.
