Algorithmic Bias: Verzerrungen durch Algorithmen verstehen und verhindern : Ein Leitfaden fur Entscheider und Data Scientists EPUB

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 beschlieen, einen Bissen Essen nicht zu essen, der verdorben zu sein scheint. Allerdings wirken sich inharente Vorurteile negativ auf das Arbeitsumfeld und die Entscheidungsfindung in unseren Gemeinschaften aus. Zwar wird mit der Entwicklung von Algorithmen und maschinellem Lernen versucht, Voreingenommenheit zu beseitigen, doch werden sie schlielich von Menschen geschaffen und sind daher anfallig fur das, was wir algorithmische Voreingenommenheit nennen.

In Understand, Manage, and Prevent Algorithmic Bias (Algorithmische Voreingenommenheit verstehen, handhaben und verhindern) hilft Ihnen der Autor Tobias Baer zu verstehen, woher algorithmische Voreingenommenheit kommt, wie man sie als Geschaftsanwender oder Regulierungsbehorde handhaben kann und wie die Datenwissenschaft verhindern kann, dass Voreingenommenheit in statistische Algorithmen einfliet. 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 Verzerrungen spiegeln diese menschlichen Tendenzen wider und haben ihren Ursprung in ihnen. Baer befasst sich mit so unterschiedlichen Themen wie der Erkennung von Anomalien, hybriden Modellstrukturen und selbstverbesserndem maschinellen Lernen.

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 werden kann. 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, zeitgemaes und wichtiges Buch, das in Ihr Regal gehort. 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 werden

Untersuchung der vielen Quellen algorithmischer Verzerrungen, einschlielich kognitiver Verzerrungen in der realen Welt, verzerrter Daten und statistischer Artefakte

Verstehen Sie die Risiken algorithmischer Verzerrungen, wie sie erkannt werden konnen und welche Managementtechniken es gibt, um sie zu verhindern oder zu verwalten

Erkennen, wie maschinelles Lernen sowohl neue Quellen fur algorithmische Verzerrungen schafft als auch ein Teil der Losung sein kann

Kenntnis spezifischer statistischer Techniken, die ein Datenwissenschaftler anwenden kann, um algorithmische Verzerrungen zu erkennen und zu beseitigen

Fur wen dieses Buch gedacht ist

Fuhrungskrafte von Unternehmen, die Algorithmen im taglichen Betrieb einsetzen; Datenwissenschaftler (von Studenten bis hin zu erfahrenen Praktikern), die Algorithmen entwickeln; Compliance-Beamte, die uber algorithmische Verzerrungen besorgt sind; Politiker, Journalisten und Philosophen, die uber algorithmische Verzerrungen im Hinblick auf ihre Auswirkungen auf die Gesellschaft und mogliche regulatorische Manahmen nachdenken; und Verbraucher, die daruber besorgt sind, wie sie von algorithmischen Verzerrungen betroffen sein konnten