سپنتا کتاب اکسپرس
کتاب کالبدشکافی "اسلحه‌های تخریب ریاضی": درک و مقابله با الگوریتم‌های ناعادلانه

کتاب کالبدشکافی "اسلحه‌های تخریب ریاضی": درک و مقابله با الگوریتم‌های ناعادلانه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب کالبدشکافی "اسلحه‌های تخریب ریاضی": درک و مقابله با الگوریتم‌های ناعادلانه

موضوع کلی: تأثیر هوش مصنوعی و الگوریتم‌ها بر جامعه

موضوع میانی: سوگیری، تبعیض و عدالت در سیستم‌های الگوریتمی

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر دوره: چرا باید به الگوریتم‌ها اهمیت دهیم؟
  • 2. معرفی کتاب "سلاح‌های تخریب ریاضی" و نویسنده آن، کیتی اونیل
  • 3. الگوریتم چیست؟ یک تعریف ساده و کاربردی
  • 4. از مدل‌های ریاضی تا تصمیم‌گیری‌های خودکار
  • 5. داده‌های بزرگ (Big Data): سوخت موتور الگوریتم‌ها
  • 6. وعده الگوریتم‌ها: کارایی، دقت و بی‌طرفی
  • 7. تعریف "سلاح تخریب ریاضی" (WMD): سه ویژگی کلیدی
  • 8. ویژگی اول: مقیاس (Scale) - تأثیرگذاری بر زندگی افراد بسیار
  • 9. ویژگی دوم: پنهان‌کاری (Opacity) - جعبه سیاه الگوریتم‌ها
  • 10. ویژگی سوم: تخریب (Damage) - آسیب‌های ناعادلانه و سیستماتیک
  • 11. تفاوت بین مدل‌های مفید و سلاح‌های تخریب ریاضی
  • 12. مثال اولیه: مدل‌های خوش‌خیم در مقابل مدل‌های بدخیم
  • 13. تاریخچه کوتاه تصمیم‌گیری مبتنی بر داده
  • 14. سوگیری (Bias) چیست؟ آشنایی با انواع آن
  • 15. سوگیری انسانی در مقابل سوگیری الگوریتمی
  • 16. چگونه سوگیری‌های تاریخی در داده‌ها نهادینه می‌شوند؟
  • 17. پروکسی (Proxy): اندازه‌گیری غیرمستقیم و خطاهای آن
  • 18. خطر استفاده از پروکسی‌های ضعیف در مدل‌سازی
  • 19. همبستگی در برابر علیت: یک اشتباه رایج و خطرناک
  • 20. حلقه‌های بازخورد (Feedback Loops): تشدید نابرابری‌ها
  • 21. حلقه بازخورد منفی: مارپیچ نزولی برای محرومان
  • 22. مطالعه موردی (آموزش): رتبه‌بندی دانشگاه‌ها و کالج‌ها
  • 23. پروکسی‌های مورد استفاده در رتبه‌بندی دانشگاه‌ها (U.S. News)
  • 24. پیامدهای ناخواسته رتبه‌بندی: تمرکز بر معیارها به جای کیفیت
  • 25. مطالعه موردی (آموزش): مدل‌های ارزش افزوده برای ارزیابی معلمان (VAM)
  • 26. چگونه یک معلم خوب با یک الگوریتم بد اخراج شد؟
  • 27. نقد مدل‌های ارزش افزوده: بی‌ثباتی و عدم شفافیت
  • 28. تأثیر الگوریتم‌ها بر آینده آموزش و فرصت‌های برابر
  • 29. مطالعه موردی (عدالت کیفری): پلیس پیش‌بین (Predictive Policing)
  • 30. حلقه بازخورد در پلیس پیش‌بین: تمرکز بر محله‌های فقیرنشین
  • 31. نقض حقوق شهروندی و تقویت کلیشه‌های نژادی
  • 32. مطالعه موردی (عدالت کیفری): الگوریتم‌های ارزیابی ریسک تکرار جرم
  • 33. معرفی مدل COMPAS و جنجال‌های آن
  • 34. تحلیل ProPublica: سوگیری نژادی در الگوریتم COMPAS
  • 35. عدالت چیست؟ تعاریف متفاوت و چالش پیاده‌سازی در کد
  • 36. پیامدهای استفاده از WMDها در سیستم قضایی
  • 37. مطالعه موردی (اشتغال): غربالگری خودکار رزومه‌ها
  • 38. پروکسی‌های مورد استفاده در استخدام: از کلمات کلیدی تا پیشینه تحصیلی
  • 39. چگونه الگوریتم‌ها تنوع نیروی کار را کاهش می‌دهند؟
  • 40. مطالعه موردی (اشتغال): آزمون‌های شخصیت آنلاین
  • 41. آیا الگوریتم می‌تواند شخصیت شما را برای یک شغل بسنجد؟
  • 42. تبعیض علیه افراد مبتلا به مشکلات سلامت روان
  • 43. مطالعه موردی (اشتغال): نظارت بر کارمندان و امتیازدهی عملکرد
  • 44. الگوریتم‌ها به عنوان مدیر: استرس و بی‌ثباتی شغلی
  • 45. مطالعه موردی (اعتبارسنجی): تاریخچه امتیازدهی اعتباری (Credit Score)
  • 46. امتیاز FICO: چگونه زندگی مالی ما در یک عدد خلاصه می‌شود؟
  • 47. ظهور e-score: استفاده از داده‌های غیرمالی برای اعتبارسنجی
  • 48. "مالیات فقر": چگونه الگوریتم‌ها هزینه زندگی را برای فقرا افزایش می‌دهند؟
  • 49. مطالعه موردی (بیمه): قیمت‌گذاری بر اساس داده‌های شخصی
  • 50. بیمه خودرو، سلامت و عمر: تفکیک مشتریان بر اساس ریسک
  • 51. از بین رفتن مفهوم "همبستگی ریسک" در صنعت بیمه
  • 52. مطالعه موردی (تبلیغات آنلاین): هدف‌گیری خرد (Micro-targeting)
  • 53. چگونه تبلیغات آنلاین به افراد آسیب‌پذیر ضربه می‌زند؟
  • 54. نمایش تبلیغات وام‌های روزشمار به افراد در مضیقه مالی
  • 55. مطالعه موردی (سیاست): هدف‌گیری رأی‌دهندگان و کمپین‌های انتخاباتی
  • 56. نقش کمبریج آنالیتیکا و استفاده از داده‌های فیسبوک
  • 57. تأثیر الگوریتم‌ها بر دموکراسی و گفتمان عمومی
  • 58. حباب‌های فیلتر (Filter Bubbles) و اتاق‌های پژواک (Echo Chambers)
  • 59. نقش الگوریتم‌های شبکه‌های اجتماعی در قطبی‌سازی جامعه
  • 60. الگوریتم‌ها و گسترش اطلاعات نادرست (Misinformation)
  • 61. مفهوم "عدالت به عنوان نبود سوگیری" و محدودیت‌های آن
  • 62. کالبدشکافی جعبه سیاه: چرا شفافیت الگوریتمی مهم است؟
  • 63. چالش‌های فنی و تجاری در مسیر شفاف‌سازی الگوریتم‌ها
  • 64. مسئولیت‌پذیری الگوریتمی: چه کسی پاسخگو است؟
  • 65. توسعه‌دهنده، شرکت، یا کاربر؟ زنجیره مسئولیت
  • 66. اثرات روانی زندگی در جامعه‌ای توسط الگوریتم‌ها
  • 67. احساس ناتوانی و بی‌عدالتی در مواجهه با تصمیمات الگوریتمی
  • 68. فرسایش اعتماد به نهادها
  • 69. نابرابری دیجیتال و تأثیر آن بر عدالت الگوریتمی
  • 70. چگونه WMDها شکاف‌های اجتماعی و اقتصادی را عمیق‌تر می‌کنند؟
  • 71. کودکان و الگوریتم‌ها: تأثیرات بلندمدت بر نسل آینده
  • 72. اخلاق داده: اصول راهنما برای جمع‌آوری و استفاده از داده‌ها
  • 73. رضایت آگاهانه در عصر داده‌های بزرگ
  • 74. حق فراموش شدن و کنترل بر داده‌های شخصی
  • 75. راهکارهای مقابله: حسابرسی الگوریتمی (Algorithmic Audit)
  • 76. مراحل یک حسابرسی الگوریتمی موثر
  • 77. چه کسانی باید حسابرسی را انجام دهند؟ نقش حسابرسان مستقل
  • 78. تعاریف مختلف عدالت الگوریتمی: از برابری آماری تا برابری فرصت
  • 79. تنش بین عدالت گروهی و عدالت فردی
  • 80. آیا می‌توان عدالت را به صورت ریاضی تعریف و بهینه‌سازی کرد؟
  • 81. نقش قانون‌گذاری و سیاست‌گذاری در مهار WMDها
  • 82. مروری بر قوانین موجود (مانند GDPR و AI Act)
  • 83. نیاز به قوانین جدید برای حفاظت از شهروندان
  • 84. سوگند بقراط برای دانشمندان داده
  • 85. تعهد به آسیب نرساندن در طراحی و پیاده‌سازی مدل‌ها
  • 86. نقش آموزش و سواد داده در توانمندسازی شهروندان
  • 87. چگونه می‌توانیم تصمیمات الگوریتمی را به چالش بکشیم؟
  • 88. طراحی مدل‌های جایگزین: رویکردهای انسان-محور
  • 89. اهمیت مشارکت ذی‌نفعان در فرآیند طراحی الگوریتم
  • 90. مطالعه موردی مثبت: استفاده مسئولانه از الگوریتم‌ها
  • 91. آینده هوش مصنوعی: اتوپیا یا دیستوپیا؟
  • 92. نقش ما در شکل‌دهی به آینده الگوریتمی
  • 93. بازنگری بر سه ویژگی WMD: چگونه آن‌ها را خنثی کنیم؟
  • 94. مقابله با مقیاس: محدود کردن دامنه تأثیر الگوریتم‌ها
  • 95. مقابله با پنهان‌کاری: ترویج فرهنگ شفافیت
  • 96. مقابله با تخریب: طراحی حلقه‌های بازخورد مثبت
  • 97. جمع‌بندی نهایی: فراخوانی برای اقدام و مسئولیت‌پذیری

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.