近几年来,随着机器学习的普及,机器学习系统的公平性问题引起了实际的道德、社会等问题。图书《公平性与机器学习—局限与机遇》以公平性为核心问题来看待机器学习,提供了对当前机器学习实践以及为实现公平而提出的技术修复方案的批判性思考。

社会、道德和机器学习自身等角度,介绍了目前机器学习中的公平性问题,如由于数据导致的偏置(bias)等问题。

图书《Fairness and Machine Learning - Limitations and Opportunities》(《公平性与机器学习—局限与机遇》)以公平性为核心问题来看待机器学习,强调机器学习在道德方面的挑战。作者希望该书尽可能地被广泛阅读,但在写作时依然坚持着技术的严谨性。该书并没有提供包罗万象的对公平性完整的正式定义,也没有提出一个快速解决社会对自动决策担忧的修复方案。

解决机器学习公平性问题需要认真理解机器学习工具的局限性。该书提供了对当前机器学习实践以及为实现公平而提出的技术修复方案的批判性思考。虽然这些问题都没有简单的答案,作者希望这本书能够帮助读者更深层次地理解如何构建负责任的机器学习系统。

成为VIP会员查看完整内容
75

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
《AutoML:方法,系统,挑战》新书免费下载
极市平台
8+阅读 · 2019年5月29日
421页《机器学习数学基础》最新2019版PDF下载
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
Arxiv
44+阅读 · 2019年12月20日
Advances and Open Problems in Federated Learning
Arxiv
18+阅读 · 2019年12月10日
Arxiv
22+阅读 · 2019年11月24日
Arxiv
8+阅读 · 2019年3月28日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
7+阅读 · 2018年6月1日
VIP会员
相关论文
Arxiv
44+阅读 · 2019年12月20日
Advances and Open Problems in Federated Learning
Arxiv
18+阅读 · 2019年12月10日
Arxiv
22+阅读 · 2019年11月24日
Arxiv
8+阅读 · 2019年3月28日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
7+阅读 · 2018年6月1日
微信扫码咨询专知VIP会员