Kapitel 6. Fairness, Datenschutz und ethische ML-Systeme
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Dieses Kapitel ist Themen gewidmet, die mit ethischen Überlegungen und rechtlichen Verpflichtungen bei der Entwicklung oder dem Einsatz von ML-Systemen zu tun haben. Wir können keine erschöpfende Anleitung zu diesen Themen bieten, aber diese Ressource kann dir die richtige Richtung weisen. Am Ende dieses Kapitels ( ) solltest du ein gutes Gespür für die grundlegenden ethischen Überlegungen beim Einsatz von ML-Systemen haben und über konkrete Formulierungen und Begriffskategorien verfügen, die es dir ermöglichen, dich in den Bereichen, die für deine eigene Arbeit am ehesten in Frage kommen, gründlicher zu informieren.
Hinweis
Anmerkung der Redaktion: Als wir die Liste der Themen zusammenstellten, die MLOps-Leute wirklich wissen müssen, standen Fragen der Fairness, des Datenschutzes und der ethischen Bedenken in KI- und ML-Systemen ganz oben auf der Liste. Wir wussten aber auch, dass es für eine Gruppe von Autorinnen und Autoren, die stark mit der Industrie verbunden sind, schwierig ist, einen wirklich unvoreingenommenen Blick auf diese komplexen Themen zu werfen. Deshalb haben wir Aileen Nielsen, die Autorin von Practical Fairness (O'Reilly, 2020), eingeladen, dieses Kapitel unabhängig zu schreiben. Obwohl wir ihr Feedback zu den Entwürfen gegeben haben, um sie klarer zu ...
Get Zuverlässiges maschinelles Lernen now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.