Overview

Full Product Details

Author:   Tobias Bär
Publisher:   Springer Fachmedien Wiesbaden
Imprint:   Springer Vieweg
Edition:   1. Aufl. 2022
Weight:   0.462kg
ISBN:  

9783662663141

ISBN 10:   3662663147
Pages:   286
Publication Date:   02 January 2023
Audience:   Professional and scholarly ,  Professional & Vocational
Format:   Paperback
Publisher's Status:   Active
Availability:   Manufactured on demand  
We will order this item for you from a manufactured on demand supplier.
Language:   German

Table of Contents

Teil I: Eine Einführung in Verzerrungen und Algorithmen. Kapitel 1: Einführung.- Kapitel 2: Voreingenommenheit in der menschlichen Entscheidungsfindung - Kapitel 3: Wie Algorithmen Entscheidungen verfälschen.- Kapitel 4: Der Modellentwicklungsprozess - Kapitel 5: Maschinelles Lernen in der Kurzfassung.- Teil II: Woher kommen algorithmische Verzerrungen? Kapitel 6: Wie Vorurteile in der realen Welt von Algorithmen widergespiegelt werden.- Kapitel 7: Die Voreingenommenheit von Datenwissenschaftlern.- Kapitel 8: Wie Daten Verzerrungen hervorrufen können. Kapitel 9: Die Stabilitätsverzerrung von Algorithmen - Kapitel 10: Vorurteile, die durch den Algorithmus selbst verursacht werden. Kapitel 11: Algorithmische Verzerrungen und soziale Medien - Teil III: Algorithmische Verzerrungen aus der Nutzerperspektive - Was kann man dagegen tun? Kapitel 12: Optionen für die Entscheidungsfindung.- Kapitel 13: Bewertung des Risikos algorithmischer Verzerrungen - Kapitel 14: Wie man Algorithmen sicher verwendet Kapitel 15: Algorithmische Verzerrungen erkennen - Kapitel 16: Management-Strategien zur Korrektur algorithmischer Verzerrungen - Kapitel 17: Wie man unverzerrte Daten generiert. Teil IV: Algorithmische Verzerrungen aus der Sicht eines Datenwissenschaftlers - Was ist zu tun? Kapitel 18: Die Rolle des Datenwissenschaftlers bei der Überwindung algorithmischer Verzerrungen - Kapitel 19: Eine Röntgenuntersuchung Ihrer Daten.- Kapitel 20: Wann man maschinelles Lernen einsetzen sollte - Kapitel 21: Wie man maschinelles Lernen mit traditionellen Methoden verbindet. Kapitel 22: Wie man Verzerrungen in selbstverbessernden Modellen vermeidet. Kapitel 23: Wie man Debiasing institutionalisiert.-

Reviews

Author Information

Tobias Baer ist Datenwissenschaftler, Psychologe und Top-Management-Berater mit über 20 Jahren Erfahrung in der Risikoanalyse. Bis Juni 2018 war er Master-Experte und Partner bei McKinsey & Co. und baute dort 2004 das Risk Advanced Analytics Center of Competence von McKinsey in Indien auf, leitete die Credit Risk Advanced Analytics Service Line weltweit und betreute Kunden in über 50 Ländern zu Themen wie der Entwicklung analytischer Entscheidungsmodelle für das Underwriting von Krediten, die Preisgestaltung von Versicherungen und die Steuervollstreckung sowie zu Entlastungsentscheidungen. Tobias hat eine Forschungsagenda rund um Analytik und Entscheidungsfindung verfolgt, sowohl bei McKinsey (z.B. zur Entlastung von Urteilsentscheidungen und zur Nutzung von maschinellem Lernen zur Entwicklung hochtransparenter Vorhersagemodelle) als auch an der University of Cambridge, UK (z.B. die Auswirkung mentaler Ermüdung auf Entscheidungsvoreingenommenheit).Tobias hat einen Doktortitel in Finanzwissenschaften von der Universität Frankfurt, einen MPhil in Psychologie von der Universität Cambridge, einen MA in Wirtschaftswissenschaften von der UWM und hat ein Grundstudium in Betriebswirtschaft und Jura an der Universität Gießen absolviert. Er begann bereits als Teenager, in einem deutschen Software-Magazin über Programmiertricks für den Commodore C64 zu schreiben, und bloggt nun regelmäßig auf seiner LinkedIn-Seite.

Tab Content 6

Author Website:  

Customer Reviews

Recent Reviews

No review item found!

Add your own review!

Countries Available

All regions