豆瓣
扫码直接下载
学术界的人或许会说这里都是例子，比较浅薄，不成体系也没有深度。但我觉得这里的讨论都非常有价值，作者也非常真诚。作为一个比较早的讨论统计和数据方法的伦理以及社会公平的读物来说，我觉得值得赞美一下。
中国急需这样的左翼知识分子：对技术有深刻理解，并且能看到技术对社会造成的影响。
想知道"大数据"毛病的不用读了。完全是一个"science is bad because it hurts my feeling"的完美案例。这下某些低等物种又可以造反有理了。
一篇讨伐大数据的檄文。与那些赞歌不同，作者解释各行各业中所用的数学模型（以及人们应对这些模型的方法）背后所蕴藏的种种歧视、黑箱与不公。这些阴暗面加剧了当今社会的贫富差距和底层人民的愤怒，监管时不我待。
认真推荐给每一位朋友。大多数人并没有意识到借着大数据（或人工智能、算法等）的旗号，科技巨头和政府的作恶能力有多可怕。特别是国内，针对这方面在制度和舆论上的制衡更是几乎为零。想想这一年多来各种新闻吧，比如某某积分系统，比如 7 分钟识别定位，我们更应感到毛骨悚然
可能之前期待值太高 所以落差比较大.. 对fairness and accountability in ml比较陌生的人还是很推荐的。 读起来觉得大妈强项的数学模型方面可能考虑非technical读者粗略带过不过瘾, 不是专项的policy方面argument又比较sloppy...
观点有意思，但是这样就写出书了。感觉就是博文综合。
更像是essay合集。道理都还是中肯的。读起来也很快。个人口味问题，更喜欢不论长短薄厚，都能一板一眼扎实严谨的论述结构，而不过多依靠于类似类比。
大数据模型在参数选择上的任意，数据统计上的不科学，模型适用的不科学推广，导致大数据模型在招生就业犯罪和选举问题上的不公正和不平等。虽然都是举例，但介绍了数据对人生活加以掌控的方方面面。
迷信大数据的时代，需要好好读一下这本书
Big data ethics 的综述，但相当不 technical，甚至隐约透露出对模型的蔑视。
各种案例堆积，看不下去。对每个模型bad feedback loop都分析了，但是alternative呢？transparency怎么做不够深入
大数据伦理讨论小合集。身在tech公司做大数据的东西，经常考虑这方面的东西。模型再好也难以100%正确，而那很小的一部分却的确能影响他们的生活。赞同作者的一些批评，但是并不能因噎废食。研究者更应该努力把模型做得更好（大部分批评都焦聚在feature selection不对，model不对之类的方面），因为相比起来，alternative更加不可取---信息太少纯粹靠拍脑袋做决定。另外，这名字起得太好了！！
https://book.douban.com/review/9331833/
通篇读完觉得稍空了一些 中途回想起实习时的贷款延期批准模型 误判率数字背后都联系着顾客生计 唉想来不止是一个技术问题这么简单 作者自己从业经历背景也蛮厉害的 总体论调不反智!
这本中文版已经引进了。作者懂技术，更看得懂技术所带来社会动力，乃至一些技术无法预见的后果……当然视角是左翼的
看起来还是挺轻松的 算是算法偏见的入门读物 还不错
用来写essay的，学习一下几个WMD example的表达方式
例举了很多大数据模型应用在社会中有危害的例子 模型没有fairness 没有accountability 模型无法自动纠错导致负面循环 尤其受其害的是lower class
作者是DE Shaw quant analyst, 有亲身经历这一点就比很多commentator有可信度
> Weapons of Math Destruction
10 有用 Axé 2017-08-01 23:56:28
学术界的人或许会说这里都是例子，比较浅薄，不成体系也没有深度。但我觉得这里的讨论都非常有价值，作者也非常真诚。作为一个比较早的讨论统计和数据方法的伦理以及社会公平的读物来说，我觉得值得赞美一下。
12 有用 透明 2018-01-25 08:22:11
中国急需这样的左翼知识分子：对技术有深刻理解，并且能看到技术对社会造成的影响。
6 有用 羊肉烤黄皮子 2017-09-10 16:06:58
想知道"大数据"毛病的不用读了。完全是一个"science is bad because it hurts my feeling"的完美案例。这下某些低等物种又可以造反有理了。
3 有用 clover 2016-09-13 11:37:45
一篇讨伐大数据的檄文。与那些赞歌不同，作者解释各行各业中所用的数学模型（以及人们应对这些模型的方法）背后所蕴藏的种种歧视、黑箱与不公。这些阴暗面加剧了当今社会的贫富差距和底层人民的愤怒，监管时不我待。
1 有用 Frederic 2017-12-23 21:51:46
认真推荐给每一位朋友。大多数人并没有意识到借着大数据（或人工智能、算法等）的旗号，科技巨头和政府的作恶能力有多可怕。特别是国内，针对这方面在制度和舆论上的制衡更是几乎为零。想想这一年多来各种新闻吧，比如某某积分系统，比如 7 分钟识别定位，我们更应感到毛骨悚然
3 有用 DT 2016-09-27 11:58:24
可能之前期待值太高 所以落差比较大.. 对fairness and accountability in ml比较陌生的人还是很推荐的。 读起来觉得大妈强项的数学模型方面可能考虑非technical读者粗略带过不过瘾, 不是专项的policy方面argument又比较sloppy...
2 有用 big 2018-07-11 23:32:39
观点有意思，但是这样就写出书了。感觉就是博文综合。
1 有用 quatremer 2017-01-23 12:32:39
更像是essay合集。道理都还是中肯的。读起来也很快。个人口味问题，更喜欢不论长短薄厚，都能一板一眼扎实严谨的论述结构，而不过多依靠于类似类比。
1 有用 法妹儿 2018-02-22 01:12:31
大数据模型在参数选择上的任意，数据统计上的不科学，模型适用的不科学推广，导致大数据模型在招生就业犯罪和选举问题上的不公正和不平等。虽然都是举例，但介绍了数据对人生活加以掌控的方方面面。
0 有用 newlight 2017-01-09 07:07:07
迷信大数据的时代，需要好好读一下这本书
1 有用 BlaCk 2020-07-18 11:19:48
Big data ethics 的综述，但相当不 technical，甚至隐约透露出对模型的蔑视。
1 有用 舒 2020-04-06 13:40:23
各种案例堆积，看不下去。对每个模型bad feedback loop都分析了，但是alternative呢？transparency怎么做不够深入
0 有用 Miss Coconut 2018-10-02 13:33:34
大数据伦理讨论小合集。身在tech公司做大数据的东西，经常考虑这方面的东西。模型再好也难以100%正确，而那很小的一部分却的确能影响他们的生活。赞同作者的一些批评，但是并不能因噎废食。研究者更应该努力把模型做得更好（大部分批评都焦聚在feature selection不对，model不对之类的方面），因为相比起来，alternative更加不可取---信息太少纯粹靠拍脑袋做决定。另外，这名字起得太好了！！
0 有用 azalea 2018-04-30 13:32:35
https://book.douban.com/review/9331833/
0 有用 kidpt 2018-07-16 09:13:27
通篇读完觉得稍空了一些 中途回想起实习时的贷款延期批准模型 误判率数字背后都联系着顾客生计 唉想来不止是一个技术问题这么简单 作者自己从业经历背景也蛮厉害的 总体论调不反智!
0 有用 Prunus d 2018-10-19 11:29:43
这本中文版已经引进了。作者懂技术，更看得懂技术所带来社会动力，乃至一些技术无法预见的后果……当然视角是左翼的
0 有用 堕落的爱德华 2022-02-13 03:11:42
看起来还是挺轻松的 算是算法偏见的入门读物 还不错
0 有用 Kidulty 2021-10-31 20:55:59
用来写essay的，学习一下几个WMD example的表达方式
0 有用 吐泡泡的金鱼 2021-12-11 14:59:04
例举了很多大数据模型应用在社会中有危害的例子 模型没有fairness 没有accountability 模型无法自动纠错导致负面循环 尤其受其害的是lower class
0 有用 奥多尔本司 2021-12-28 03:24:03
作者是DE Shaw quant analyst, 有亲身经历这一点就比很多commentator有可信度