3 Review(s)

Sind Algorithmen Freund oder Feind? Der menschliche Verstand ist evolutionaer darauf ausgelegt, Abkuerzungen zu nehmen, um zu ueberleben. Wir ziehen voreilige Schluesse, 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 faehrt, fuer gefaehrlich halten und sofort ausweichen oder wenn wir beschliessen, einen Bissen Essen nicht zu essen, der verdorben zu sein scheint. Allerdings wirken sich inhaerente 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 schliesslich von Menschen geschaffen und sind daher anfaellig fuer 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 Geschaeftsanwender 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 natuerlicher 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. Waehrend sich die meisten Schriften ueber 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 Faehigkeit, Voreingenommenheit schneller zu erkennen, und das Wissen, um unvoreingenommene Daten zu erstellen. Algorithmic Bias verstehen, verwalten und verhindern ist ein innovatives, zeitgemaesses und wichtiges Buch, das in Ihr Regal gehoert. Egal, ob Sie eine erfahrene Fuehrungskraft in der Wirtschaft, ein Datenwissenschaftler oder einfach nur ein Enthusiast sind, jetzt ist ein entscheidender Zeitpunkt, um sich ueber die Auswirkungen algorithmischer Verzerrungen auf die Gesellschaft zu informieren und eine aktive Rolle im Kampf gegen Verzerrungen zu uebernehmen. Was Sie lernen werden Untersuchung der vielen Quellen algorithmischer Verzerrungen, einschliesslich kognitiver Verzerrungen in der realen Welt, verzerrter Daten und statistischer Artefakte Verstehen Sie die Risiken algorithmischer Verzerrungen, wie sie erkannt werden koennen und welche Managementtechniken es gibt, um sie zu verhindern oder zu verwalten Erkennen, wie maschinelles Lernen sowohl neue Quellen fuer algorithmische Verzerrungen schafft als auch ein Teil der Loesung sein kann Kenntnis spezifischer statistischer Techniken, die ein Datenwissenschaftler anwenden kann, um algorithmische Verzerrungen zu erkennen und zu beseitigen Fuer wen dieses Buch gedacht ist Fuehrungskraefte von Unternehmen, die Algorithmen im taeglichen Betrieb einsetzen; Datenwissenschaftler (von Studenten bis hin zu erfahrenen Praktikern), die Algorithmen entwickeln; Compliance-Beamte, die ueber algorithmische Verzerrungen besorgt sind; Politiker, Journalisten und Philosophen, die ueber algorithmische Verzerrungen im Hinblick auf ihre Auswirkungen auf die Gesellschaft und moegliche regulatorische Massnahmen nachdenken; und Verbraucher, die darueber besorgt sind, wie sie von algorithmischen Verzerrungen betroffen sein koennten