Wie man Debiasing institutionalisiert (German)
- New search for: Bär, Tobias
- New search for: Bär, Tobias
In:
Algorithmic Bias: Verzerrungen durch Algorithmen verstehen und verhindern
: Ein Leitfaden für Entscheider und Data Scientists
;
Chapter: 23
;
277-286
;
2023
- Article/Chapter (Book) / Electronic Resource
-
Title:Wie man Debiasing institutionalisiert
-
Contributors:Bär, Tobias ( author )
-
Published in:Algorithmic Bias: Verzerrungen durch Algorithmen verstehen und verhindern : Ein Leitfaden für Entscheider und Data Scientists ; Chapter: 23 ; 277-286
-
Publisher:
- New search for: Springer Berlin Heidelberg
-
Place of publication:Berlin, Heidelberg
-
Publication date:2023-01-01
-
Size:10 pages
-
ISBN:
-
DOI:
-
Type of media:Article/Chapter (Book)
-
Type of material:Electronic Resource
-
Language:German
-
Keywords:
-
Source:
Table of contents eBook
The tables of contents are generated automatically and are based on the data records of the individual contributions available in the index of the TIB portal. The display of the Tables of Contents may therefore be incomplete.
- 1
-
EinführungBär, Tobias et al. | 2023
- 2
-
Voreingenommenheit in der menschlichen EntscheidungsfindungBär, Tobias et al. | 2023
- 3
-
Wie Algorithmen Vorurteile bekämpfenBär, Tobias et al. | 2023
- 4
-
Der ModellentwicklungsprozessBär, Tobias et al. | 2023
- 5
-
Eine kurze Einführung in das Maschinelle LernenBär, Tobias et al. | 2023
- 6
-
Wie Vorurteile in der realen Welt von Algorithmen widergespiegelt werdenBär, Tobias et al. | 2023
- 7
-
Vorurteile von DatenwissenschaftlernBär, Tobias et al. | 2023
- 8
-
Wie Daten zu Verzerrungen führen könnenBär, Tobias et al. | 2023
- 9
-
Die Anfälligkeit von Algorithmen für StabilitätsverzerrungenBär, Tobias et al. | 2023
- 10
-
Durch den Algorithmus selbst geschaffene VerzerrungenBär, Tobias et al. | 2023
- 11
-
Algorithmische Verzerrungen und soziale MedienBär, Tobias et al. | 2023
- 12
-
Optionen für die EntscheidungsfindungBär, Tobias et al. | 2023
- 13
-
Bewertung des Risikos einer algorithmischen VerzerrungBär, Tobias et al. | 2023
- 14
-
Sichere Verwendung von AlgorithmenBär, Tobias et al. | 2023
- 15
-
Wie man algorithmische Verzerrungen erkenntBär, Tobias et al. | 2023
- 16
-
Management-Strategien zur Korrektur algorithmischer VerzerrungenBär, Tobias et al. | 2023
- 17
-
Wie man unverzerrte Daten generiertBär, Tobias et al. | 2023
- 18
-
Die Rolle des Datenwissenschaftlers bei der Überwindung algorithmischer VerzerrungenBär, Tobias et al. | 2023
- 19
-
Eine Röntgenuntersuchung Ihrer DatenBär, Tobias et al. | 2023
- 20
-
Wann sollte maschinelles Lernen eingesetzt werden?Bär, Tobias et al. | 2023
- 21
-
Wie man maschinelles Lernen mit traditionellen Methoden verbindetBär, Tobias et al. | 2023
- 22
-
Wie man Voreingenommenheit in selbstverbessernden Modellen vermeidetBär, Tobias et al. | 2023
- 23
-
Wie man Debiasing institutionalisiertBär, Tobias et al. | 2023