Ciencia de datos responsable

Opiniones de los lectores

El libro «Responsible Data Science» es un recurso dirigido a científicos y gestores de datos, sobre todo en campos como los servicios financieros y las industrias biotecnológicas. Analiza la parcialidad y la injusticia en los algoritmos de IA y ofrece herramientas prácticas para su aplicación y auditoría éticas. Aunque contiene perspectivas perspicaces, algunas críticas destacan que algunas partes son demasiado introductorias o repetitivas, y carece de profundidad en ciertas áreas.

⬤ Proporciona herramientas útiles para evitar daños en el despliegue de la IA.
⬤ Ofrece consejos prácticos para implementar y auditar modelos de aprendizaje automático.
⬤ Incluye una narrativa convincente que educa sobre prácticas responsables de IA.
⬤ Orientación específica para científicos de datos y profesionales.
⬤ Destaca las implicaciones éticas de las aplicaciones de la ciencia de datos.

⬤ Contiene demasiado material introductorio y algunas secciones son repetitivas.
⬤ Falta profundidad y especificidad al tratar temas críticos.
⬤ Algunas partes técnicas pueden no tener aplicabilidad general.

(basado en 6 opiniones de lectores)

Título original:

Responsible Data Science

Contenido del libro:

Explore los problemas éticos más graves que prevalecen en la ciencia de datos con este nuevo y perspicaz recurso.

La creciente popularidad de la ciencia de datos ha dado lugar a numerosos casos bien conocidos de parcialidad, injusticia y discriminación. El despliegue generalizado de algoritmos de "caja negra" que son difíciles o imposibles de entender y explicar, incluso para sus desarrolladores, es una fuente primaria de estos daños imprevistos, haciendo que las técnicas y métodos modernos para manipular grandes conjuntos de datos parezcan siniestros, incluso peligrosos. Cuando se ponen en manos de gobiernos autoritarios, estos algoritmos han permitido la supresión de la disidencia política y la persecución de minorías. Para evitar estos daños, los científicos de datos de todo el mundo deben llegar a comprender cómo los algoritmos que construyen y despliegan pueden perjudicar a determinados grupos o ser injustos.

Responsible Data Science ofrece un tratamiento exhaustivo y práctico de cómo implementar soluciones de ciencia de datos de una manera imparcial y ética que minimice el riesgo de daños indebidos a miembros vulnerables de la sociedad. Tanto los profesionales de la ciencia de datos como los directores de equipos de análisis aprenderán a:

⬤ Mejorar la transparencia de los modelos, incluso los de caja negra.

⬤ Diagnosticar el sesgo y la injusticia en los modelos utilizando múltiples métricas.

⬤ Auditar proyectos para garantizar la imparcialidad y minimizar la posibilidad de daños no intencionados.

Perfecto para los profesionales de la ciencia de datos, Responsible Data Science también se ganará un lugar en las estanterías de los gestores con inclinaciones técnicas, desarrolladores de software y estadísticos.