Avis des lecteurs
Résumé:Le livre « Responsible Data Science » est une ressource destinée aux scientifiques et aux gestionnaires de données, en particulier dans des domaines tels que les services financiers et les industries biotechnologiques. Il traite des préjugés et de l'injustice dans les algorithmes d'intelligence artificielle et propose des outils pratiques pour une mise en œuvre et un audit éthiques. Bien qu'il contienne des perspectives intéressantes, certaines critiques soulignent que certaines parties sont trop introductives ou répétitives, et manquent de profondeur dans certains domaines.
Avantages:⬤ Fournit des outils utiles pour éviter les dommages dans le déploiement de l'IA.
⬤ Offre des conseils pratiques pour la mise en œuvre et l'audit des modèles d'apprentissage automatique.
⬤ Inclut un récit convaincant qui sensibilise aux pratiques responsables en matière d'IA.
⬤ Des conseils ciblés pour les scientifiques des données et les praticiens.
⬤ Souligne les implications éthiques des applications de la science des données.
⬤ Contient trop de matériel d'introduction et certaines sections sont répétitives.
⬤ Manque de profondeur et de spécificité dans la discussion des sujets critiques.
⬤ Certaines parties techniques peuvent ne pas être applicables de manière générale.
(basé sur 6 avis de lecteurs)
Titre original :
Responsible Data Science
Contenu du livre :
Explorez les problèmes éthiques les plus graves et les plus répandus dans le domaine de la science des données grâce à cette nouvelle ressource perspicace
La popularité croissante de la science des données a donné lieu à de nombreux cas de partialité, d'injustice et de discrimination qui ont fait l'objet d'une grande publicité. Le déploiement généralisé d'algorithmes de type "boîte noire", difficiles ou impossibles à comprendre et à expliquer, même pour leurs concepteurs, est l'une des principales sources de ces préjudices imprévus, faisant paraître sinistres, voire dangereuses, les techniques et méthodes modernes de manipulation de vastes ensembles de données. Lorsqu'ils sont mis entre les mains de gouvernements autoritaires, ces algorithmes ont permis la suppression de la dissidence politique et la persécution des minorités. Pour prévenir ces dommages, les scientifiques des données du monde entier doivent comprendre comment les algorithmes qu'ils construisent et déploient peuvent nuire à certains groupes ou être injustes.
Responsible Data Science propose un traitement complet et pratique de la manière de mettre en œuvre des solutions de science des données d'une manière équilibrée et éthique qui minimise le risque de préjudice injustifié pour les membres vulnérables de la société. Les praticiens de la science des données et les responsables d'équipes d'analyse apprendront à :
⬤ Améliorer la transparence des modèles, même pour les modèles à boîte noire.
⬤ Diagnostiquer les biais et les injustices dans les modèles à l'aide de mesures multiples.
⬤ Auditer les projets pour garantir l'équité et minimiser la possibilité de dommages involontaires.
Parfait pour les praticiens de la science des données, Responsible Data Science trouvera également sa place sur les étagères des responsables techniques, des développeurs de logiciels et des statisticiens.
Autres informations sur le livre :
| ISBN : | 9781119741756 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 304 |
Achat:
Actuellement disponible, en stock.
