Sind Algorithmen Freund oder Feind?Der menschliche Verstand ist evolutionar darauf ausgelegt, Abkurzungen zu nehmen, um zu uberleben.
Wir ziehen voreilige Schlusse, weil unser Gehirn uns in Sicherheit wiegen will.
Die meisten unserer Voreingenommenheiten wirken sich zu unseren Gunsten aus, z.
B. wenn wir ein Auto, das in unsere Richtung fahrt, fur gefahrlich halten und sofort ausweichen, oder wenn wir beschliessen, einen Bissen Essen, der verdorben zu sein scheint, nicht zu essen.
Allerdings wirken sich inharente Vorurteile negativ auf das Arbeitsumfeld und die Entscheidungsfindung in unseren Gemeinschaften aus.
Mit der Entwicklung von Algorithmen und maschinellem Lernen wird zwar versucht, Voreingenommenheit zu beseitigen, aber schliesslich werden sie doch von Menschen geschaffen und sind daher anfallig fur das, was wir als algorithmische Voreingenommenheit bezeichnen. In Understand, Manage, and Prevent Algorithmic Bias (Algorithmische Voreingenommenheit verstehen, verwalten und verhindern) hilft Ihnen der Autor Tobias Baer zu verstehen, woher algorithmische Voreingenommenheit kommt, wie man sie als Geschaftsanwender oder Regulierungsbehoerde handhaben kann und wie die Datenwissenschaft verhindern kann, dass Voreingenommenheit in statistische Algorithmen einfliesst.
Baer befasst sich fachkundig mit einigen der mehr als 100 Arten naturlicher Verzerrungen wie Confirmation Bias, Stability Bias, Pattern Recognition Bias und vielen anderen.
Algorithmische Voreingenommenheit spiegelt diese menschlichen Tendenzen wider und hat ihren Ursprung in ihnen.
Baer geht auf so unterschiedliche Themen wie die Erkennung von Anomalien, hybride Modellstrukturen und selbstverbesserndes maschinelles Lernen ein. Wahrend sich die meisten Schriften uber algorithmische Voreingenommenheit auf die Gefahren konzentrieren, weist der Kern dieses positiven, unterhaltsamen Buches auf einen Weg hin, auf dem Voreingenommenheit in Schach gehalten und sogar beseitigt wird.
Sie erhalten Managementtechniken, um unvoreingenommene Algorithmen zu entwickeln, die Fahigkeit, Voreingenommenheit schneller zu erkennen, und das Wissen, um unvoreingenommene Daten zu erstellen.
Algorithmic Bias verstehen, verwalten und verhindern ist ein innovatives, zeitgemasses und wichtiges Buch, das in Ihr Regal gehoert.
Egal, ob Sie eine erfahrene Fuhrungskraft in der Wirtschaft, ein Datenwissenschaftler oder einfach nur ein Enthusiast sind, jetzt ist ein entscheidender Zeitpunkt, um sich uber die Auswirkungen algorithmischer Verzerrungen auf die Gesellschaft zu informieren und eine aktive Rolle im Kampf gegen Verzerrungen zu ubernehmen. Was Sie lernen werdenUntersuchung der vielen Quellen algorithmischer Verzerrungen, einschliesslich kognitiver Verzerrungen in der realen Welt, verzerrter Daten und statistischer Artefakte die Risiken algorithmischer Verzerrungen zu verstehen, zu wissen, wie sie zu erkennen sind, und Managementtechniken zu ihrer Vermeidung oder Bewaltigung zu kennen Erkennen, wie maschinelles Lernen sowohl neue Quellen fur algorithmische Verzerrungen schafft als auch ein Teil der Loesung sein kannKenntnis spezifischer statistischer Techniken, die ein Datenwissenschaftler anwenden kann, um algorithmische Verzerrungen zu erkennen und zu beseitigen Fur wen dieses Buch bestimmt istFuhrungskrafte von Unternehmen, die Algorithmen im taglichen Betrieb einsetzen; Datenwissenschaftler (von Studenten bis hin zu erfahrenen Praktikern), die Algorithmen entwickeln; Beamte, die sich mit der Einhaltung von Vorschriften befassen und uber algorithmische Verzerrungen besorgt sind; Politiker, Journalisten und Philosophen, die uber algorithmische Verzerrungen im Hinblick auf ihre Auswirkungen auf die Gesellschaft und moegliche regulatorische Massnahmen nachdenken; und Verbraucher, die sich daruber Gedanken machen, wie sie von algorithmischen Verzerrungen betroffen sein koennten
