Transparent Data Mining for Big and Small Data

 
 
Springer (Verlag)
  • erschienen am 9. Mai 2017
  • |
  • XV, 215 Seiten
 
E-Book | PDF mit Wasserzeichen-DRM | Systemvoraussetzungen
978-3-319-54024-5 (ISBN)
 
This book focuses on new and emerging data mining solutions that offer a greater level of transparency than existing solutions. Transparent data mining solutions with desirable properties (e.g. effective, fully automatic, scalable) are covered in the book. Experimental findings of transparent solutions are tailored to different domain experts, and experimental metrics for evaluating algorithmic transparency are presented. The book also discusses societal effects of black box vs. transparent approaches to data mining, as well as real-world use cases for these approaches.As algorithms increasingly support different aspects of modern life, a greater level of transparency is sorely needed, not least because discrimination and biases have to be avoided. With contributions from domain experts, this book provides an overview of an emerging area of data mining that has profound societal consequences, and provides the technical background to for readers to contribute to the field or to put existing approaches to practical use.
1st ed. 2017
  • Englisch
  • Cham
  • |
  • Schweiz
Springer International Publishing
  • 17 farbige Tabellen, 23 farbige Abbildungen
  • |
  • 23 farbige Abbildungen, 17 farbige Tabellen, Bibliographie
  • 3,58 MB
978-3-319-54024-5 (9783319540245)
10.1007/978-3-319-54024-5
weitere Ausgaben werden ermittelt
Part I: Transparent Mining.- Chapter 1: The Tyranny of Data? The Bright and Dark Sides of Data-Driven Decision-Making for Social Good.- Chapter 2: Enabling Accountability of Algorithmic Media: Transparency as a Constructive and Critical Lens.- Chapter 3: The Princeton Web Transparency and Accountability Project.- Part II: Algorithmic solutions.- Chapter 4: Algorithmic Transparency via Quantitative Input Influence.- Chapter 5.- Learning Interpretable Classification Rules with Boolean Compressed Sensing.- Chapter 6: Visualizations of Deep Neural Networks in Computer Vision: A Survey.- Part III: Regulatory solutions.- Chapter 7: Beyond the EULA: Improving Consent for Data Mining.- Chapter 8: Regulating Algorithms Regulation? First Ethico-legal Principles, Problems and Opportunities of Algorithms.- Chapter 9: Algorithm Watch: What Role Can a Watchdog Organization Play in Ensuring Algorithmic Accountability?

Dateiformat: PDF
Kopierschutz: Wasserzeichen-DRM (Digital Rights Management)

Systemvoraussetzungen:

Computer (Windows; MacOS X; Linux): Verwenden Sie zum Lesen die kostenlose Software Adobe Reader, Adobe Digital Editions oder einen anderen PDF-Viewer Ihrer Wahl (siehe E-Book Hilfe).

Tablet/Smartphone (Android; iOS): Installieren Sie die kostenlose App Adobe Digital Editions oder eine andere Lese-App für E-Books (siehe E-Book Hilfe).

E-Book-Reader: Bookeen, Kobo, Pocketbook, Sony, Tolino u.v.a.m. (nur bedingt: Kindle)

Das Dateiformat PDF zeigt auf jeder Hardware eine Buchseite stets identisch an. Daher ist eine PDF auch für ein komplexes Layout geeignet, wie es bei Lehr- und Fachbüchern verwendet wird (Bilder, Tabellen, Spalten, Fußnoten). Bei kleinen Displays von E-Readern oder Smartphones sind PDF leider eher nervig, weil zu viel Scrollen notwendig ist. Mit Wasserzeichen-DRM wird hier ein "weicher" Kopierschutz verwendet. Daher ist technisch zwar alles möglich - sogar eine unzulässige Weitergabe. Aber an sichtbaren und unsichtbaren Stellen wird der Käufer des E-Books als Wasserzeichen hinterlegt, sodass im Falle eines Missbrauchs die Spur zurückverfolgt werden kann.

Weitere Informationen finden Sie in unserer E-Book Hilfe.


Download (sofort verfügbar)

117,69 €
inkl. 7% MwSt.
Download / Einzel-Lizenz
PDF mit Wasserzeichen-DRM
siehe Systemvoraussetzungen
E-Book bestellen