لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش اخلاق داده ها: اتخاذ تصمیمات مبتنی بر داده (2020)
Data Ethics: Making Data-Driven Decisions (2020)
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
اکثر شرکت ها الگوریتم های کامپیوتری پیچیده ای دارند که تصمیم می گیرند چه کسی وام بانکی، مصاحبه شغلی یا بیمه درمانی دریافت کند. آیا شما تعهد اخلاقی دارید که تصمیم گیری را به مشتری خود توضیح دهید؟ چگونه سیستم هایی را طراحی می کنید که عاری از تعصب جنسیتی یا نژادی باشند؟ این سیستم ها سازمان شما را مشخص خواهند کرد. با این حال بسیاری از این تصمیمات در اتاق هیئت مدیره اتفاق نمی افتد. در عوض، آنها در جلسات بسیار کوچکتر با افرادی درست مثل شما-مدیران پروژه، تحلیلگران تجاری، مدیران و توسعه دهندگان نرم افزار- ساخته می شوند. این دوره به شما مهارت هایی را می دهد که برای گرفتن بهترین تصمیم ها نیاز دارید. مربی داگ رز به شما کمک می کند وظایفی را که در قبال مشتری خود دارید در نظر بگیرید، در مورد عواقب تصمیمات الگوریتم های خود فکر کنید و در هنگام مبارزه با چالش های کلیدی اخلاق داده ها به درستی عمل کنید.
این دوره توسط داگ رز ایجاد شده است. ما از ارائه این آموزش در کتابخانه خود خرسندیم.
اهداف یادگیری
اخلاق را تعریف کنید و بین اخلاق فضیلت، فایده گرایی و عینیت گرایی تمایز قائل شوید.
الزامات مقوله ای را تعریف و مقایسه کنید.
منظور از قابل ردیابی بودن یک الگوریتم را شرح دهید.
موقعیت هایی را که در آن داده ها باید در دسترس و غیرقابل دسترس باشند، مقایسه کنید.
تعصب داده را تعریف کنید و نحوه ایجاد آن را توضیح دهید.
روش های مبارزه با سوگیری داده ها و دستیابی به عدالت را شرح دهید.
سرفصل ها و درس ها
معرفی
Introduction
تصمیم گیری اخلاقی
Ethical decision-making
1. تفکر درباره اخلاق
1.Thinking About Ethics
یک شرکت اخلاقی بودن
Being a moral company
چگونه به شرکت نزدیک شوید
How to approach company
با عینیت گرایی اخلاقی شروع کنید
Start with ethical objectivism
به الزامات قطعی خود فکر کنید
Think about your categorical imperatives
یک فرد فضیلت چه کار می کند؟
What would a virtuous person do?
هفت چالش اصلی اخلاق داده ها
The seven major data ethics challenges
امتحان فصل
Chapter Quiz
2. قابلیت ردیابی تصمیم
2. Decision Traceability
حق الگوریتمی
The right to algorithmic
قابلیت دسترسی و درک داده ها
Data accessibility and comprehensibility
آیا کسی می تواند به داده های خود دسترسی داشته باشد؟
Can anyone access their data?
ردیابی تصمیمات جعبه سیاه خود را
Trace your black box decisions
کادر را با هوش مصنوعی قابل توضیح (XAI) باز کنید
Open the box with Explainable AI (XAI)
مشکل واگن برقی خودروهای خودران
Self-driving cars' trolley problem
تصمیم بگیرید که چگونه با یک ماشین خودران تصادف کنید
Decide how to crash a self-driving car
امتحان فصل
Chapter Quiz
3. عینیت
3. Objectivity
عینیت داده ها به چه معناست؟
What does data objectivity mean?
راه هایی برای تفکر در مورد تعصب
Ways to think about bias
نحوه رفع سوگیری داده ها
How to fix data bias
داده ها می توانند هدف باشند؟
Can data be objective?
نمایش نظرات