| Título : |
Transparent Data Mining for Big and Small Data |
| Tipo de documento: |
documento electrónico |
| Autores: |
Cerquitelli, Tania, ; Quercia, Daniele, ; Pasquale, Frank, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2017 |
| Número de páginas: |
XV, 215 p. 23 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-319-54024-5 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Procesamiento de datos Tecnología de la información Medios de comunicación de masas Algoritmos Dinámica Teorías no lineales Simulación por ordenador Investigación cuantitativa Minería de datos y descubrimiento de conocimientos Derecho Informático Derecho de Medios Propiedad Intelectual Sistemas Dinámicos Aplicados Modelado por computadora Análisis de datos y Big Data |
| Índice Dewey: |
006.312 Minería de datos |
| Resumen: |
Este libro se centra en soluciones de minería de datos nuevas y emergentes que ofrecen un mayor nivel de transparencia que las soluciones existentes. En el libro se tratan soluciones transparentes de minería de datos con propiedades deseables (por ejemplo, eficaces, totalmente automáticas y escalables). Los hallazgos experimentales de soluciones transparentes se adaptan a diferentes expertos en el campo y se presentan métricas experimentales para evaluar la transparencia algorítmica. El libro también analiza los efectos sociales de los enfoques de caja negra versus transparentes para la minería de datos, así como casos de uso en el mundo real de estos enfoques. A medida que los algoritmos apoyan cada vez más diferentes aspectos de la vida moderna, se necesita urgentemente un mayor nivel de transparencia, sobre todo porque hay que evitar la discriminación y los sesgos. Con contribuciones de expertos en el campo, este libro proporciona una visión general de un área emergente de minería de datos que tiene profundas consecuencias sociales y proporciona la base técnica para que los lectores contribuyan al campo o pongan en práctica los enfoques existentes. |
| Nota de contenido: |
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 AlgorithmicAccountability? |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Transparent Data Mining for Big and Small Data [documento electrónico] / Cerquitelli, Tania, ; Quercia, Daniele, ; Pasquale, Frank, . - 1 ed. . - [s.l.] : Springer, 2017 . - XV, 215 p. 23 ilustraciones en color. ISBN : 978-3-319-54024-5 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Procesamiento de datos Tecnología de la información Medios de comunicación de masas Algoritmos Dinámica Teorías no lineales Simulación por ordenador Investigación cuantitativa Minería de datos y descubrimiento de conocimientos Derecho Informático Derecho de Medios Propiedad Intelectual Sistemas Dinámicos Aplicados Modelado por computadora Análisis de datos y Big Data |
| Índice Dewey: |
006.312 Minería de datos |
| Resumen: |
Este libro se centra en soluciones de minería de datos nuevas y emergentes que ofrecen un mayor nivel de transparencia que las soluciones existentes. En el libro se tratan soluciones transparentes de minería de datos con propiedades deseables (por ejemplo, eficaces, totalmente automáticas y escalables). Los hallazgos experimentales de soluciones transparentes se adaptan a diferentes expertos en el campo y se presentan métricas experimentales para evaluar la transparencia algorítmica. El libro también analiza los efectos sociales de los enfoques de caja negra versus transparentes para la minería de datos, así como casos de uso en el mundo real de estos enfoques. A medida que los algoritmos apoyan cada vez más diferentes aspectos de la vida moderna, se necesita urgentemente un mayor nivel de transparencia, sobre todo porque hay que evitar la discriminación y los sesgos. Con contribuciones de expertos en el campo, este libro proporciona una visión general de un área emergente de minería de datos que tiene profundas consecuencias sociales y proporciona la base técnica para que los lectores contribuyan al campo o pongan en práctica los enfoques existentes. |
| Nota de contenido: |
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 AlgorithmicAccountability? |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsquedaTransparent Data Mining for Big and Small Data / Cerquitelli, Tania ; Quercia, Daniele ; Pasquale, Frank
