數據科學倫理：概念、技術和警世故事

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 流程框架 
1.7 本章總結 

第2章 倫理資料的收集
2.1 隱私權屬于人權 
2.2 條例 
2.3 隱私保護機制 
2.4 警世故事：“後門”和信息加密 
2.5 偏差 / 偏見 
2.6 警世故事：路況檢測、大猩猩和簡歷 
2.7 人體實驗 
2.8 警世故事：約會、幸福和廣告 
2.9 本章總結 

第3章 倫理數據預處理
3.1 定義和衡量隱私的標準 
3.2 警世故事：再識別 
3.3 定義和選擇變數 
3.4 警世故事：妊娠與人臉識別 
3.5 公平的新定義 
3.6 警世故事：偏見性語言 
3.7 本章總結
 
第4章 倫理建模
4.1 隱私保護資料採擷 
4.2 歧視感知模型 
4.3 警世故事：預測累犯和劃紅線 
4.4 可理解的模型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：人臉識別  
6.4 誠實和換臉技術  
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