資料科學倫理 Data Science Ethics: Concepts, Techniques, and Cautionary Tales

數據科學倫理是關於人們在進行數據科學方面的行為的道德規範。
到目前為止，數據科學主要應用於企業和社會並產生了積極成果。
然而，就像任何技術一樣，數據科學也帶來了一些負面後果：隱私侵犯的增加，
對敏感群體的數據驅動的歧視以及使用不可解釋的複雜模型做出決策。
沒有哪個資料科學家和業務經理是天生不道德的，
只是他們沒有接受過培訓來考慮他們在工作中的倫理問題——本書旨在填補這個越來越重要的空白和解釋不同的概念和技術，
幫助讀者理解從k-匿名和差別隱私到同態加密和零知識證明等技術已可以解決隱私侵犯問題，
消除敏感群體歧視和提供各種可解釋的人工智慧。
現實生活中的警世故事進一步說明了資料科學倫理的重要性和潛在影響，包括種族主義機器人的故事、搜尋審查和人臉辨識等。
本書穿插著結構化的練習，提供假設的場景和倫理困境，帶讀者一起思考如何平衡倫理問題和數據的效用。

第1章資料科學倫理導讀
1.1 資料科學（倫理）的興起
1.2 為何關注資料倫理
1.3 對錯之分
1.4 資料科學
1.5 資料科學倫理平衡
1.6 資料科學倫理的FAT流程架構
1.7 本章總結
第2章倫理資料的收集
2.1 隱私權屬於人權
2.2 條例
2.3 隱私權保護機制
2.4 警世故事：「後門」與資訊加密
2.5 偏差/偏見
2.6 警世故事：路況偵測、大猩猩與履歷
2.7 人體實驗
2.8 警世故事：約會、幸福與廣告
2.9本章總結
第3章倫理資料預處理
3.1 定義與衡量隱私的標準
3.2 警世故事：再辨識
3.3 定義與選擇變數
3.4 警世故事：妊娠與人臉 辨識
3.5 公平的新定義
3.6 警世故事：偏見語言
3.7 本章總結
第4章倫理建模
4.1 隱私保護資料探勘
4.2 歧視感知模式
4.3 警世故事：預測再犯與劃紅線
4.4 可理解的模式與可解釋的人工智慧
4.5 警世故事：解釋網頁分類
4.6 倫理偏好：自動駕駛汽車
4.7 本章總結
第5章道德評價
5.1 道德衡量
5.2 結果的倫理解釋
5.3 道德報告
5.4 德里克·斯塔佩爾的警世故事
5.5 本章總結
第6章倫理部署
6.1 系統訪問
6.2 預測差異性與結果差異性
6.3警世故事：人臉辨識
6.4 誠實與換臉技術
6.5 管理方式
6.6 非預期後果
6.7 本章總結
第7章結論
致謝
參考文獻