1.对于商科和电子信息类专业学生来说

作者是一位建树颇丰的学者，因数据科学研究而屡获殊荣，他也是一位经验丰富的实践者，曾建立多家基于数据科学的公司，他也培养了许多优秀的学生。作者将其对数据科学的深刻理解和丰富的实践经验结合在一起，为学生和读者提供了一个健康而真实的视角，让他们真正了解数据科学最重要的精髓所在。

2.对于从事数据科学或管理数据驱动型企业的商业人士来说

各大部门、不同级别的管理人员需提出恰当的问题、解释、质疑结果，并在此基础上做出正确的决定。随着伦理层面的重要性愈发明显，商业人士需了解其相关概念，了解有关数据科学伦理的技术和警世故事。这也是本书的目的：在开展数据科学研究时，能为读者提供指导和启发性建议，帮助其做出正误判断。当我们将数据科学技术应用于我们的工作中时，应该注意避开这些陷阱。

3.对于对基于人工智能、机器学习或其他数据科学技术产品感兴趣的读者来说

本书中收集的现实世界的真实小故事，每个故事都生动阐述了商业中的道德问题。这些小故事揭示了现实生活中各种道德陷阱。

填补了数据科学和伦理两类作品间的空白

数据科学伦理是关于人们在进行数据科学方面的行为的道德规范。到目前为止，数据科学主要应用于企业和社会并产生了积极成果。

然而，就像任何技术一样，数据科学也带来了一些负面后果：隐私侵犯的增加，对敏感群体的数据驱动的歧视以及使用不可解释的复杂模型做出决策。

没有哪个数据科学家和业务经理是天生不道德的，只是他们没有接受过培训来考虑他们在工作中的伦理问题——本书旨在填补这个越来越重要的空白和解释不同的概念和技术，帮助读者理解从k-匿名和差别隐私到同态加密和零知识证明等技术已可以解决隐私侵犯问题，消除敏感群体歧视和提供各种可解释的人工智能。

现实生活中的警世故事进一步说明了数据科学伦理的重要性和潜在影响，包括种族主义机器人的故事、搜索审查和人脸识别等。本书中穿插着结构化的练习，提供假设的场景和伦理困境，带读者一起思考如何平衡伦理问题和数据的效用。

[比]大卫·马滕斯（David Martens）

比利时安特卫普大学工程管理系的数据科学教授。他教授研究生商业经济学和商业工程的数据挖掘、数据科学和伦理学等课程。他长期致力于研究可解释的人工智能，其成果发表在高影响力的期刊上，并获得了一些奖项。他还与大型银行、保险公司和电信公司以及各种科技初创公司进行合作。

本书是一本兼具深度和广度的优秀读物，讲述了随着人工智能的广泛应用，数据科学家、商业人士、政府人员和社会学家面临的严重挑战和风险。这是我们不可避免的话题，此书也是谈及这些话题的少数必读书目之一。

——塞奥佐罗斯·叶夫根尼欧（Theodoros Evgeniou）

法国欧洲工商管理学院（INSEAD）决策科学与技术管理学教授

本书内容清晰生动，对数据科学家来说意义重大，作用及时。在许多相关例证的帮助下，作者清楚地解释了相关的数据伦理术语，并对完整的数据科学生命周期中的伦理考量提出了全面的看法。

——盖丽特·徐茉莉（Galit Shmueli）

中国台湾清华大学科技管理学院服务科学研究所所长、特聘教授

第1章 数据科学伦理导读

1.1 数据科学（伦理）的兴起

1.2 为何关注数据伦理？

1.3 对错之分

1.4 数据科学

1.5 数据科学伦理平衡

1.6 数据科学伦理的 FAT 流程框架

1.7 本章总结

第2章 伦理数据的收集

2.1 隐私权属于人权

2.2 条例

2.3 隐私保护机制

2.4 警世故事：“后门”和信息加密

2.5 偏差 / 偏见

2.6 警世故事：路况检测、大猩猩和简历

2.7 人体实验

2.8 警世故事：约会、幸福和广告

2.9 本章总结

第3章 伦理数据预处理

3.1 定义和衡量隐私的标准

3.2 警世故事：再识别

3.3 定义和选择变量

3.4 警世故事：妊娠与人脸识别

3.5 公平的新定义

3.6 警世故事：偏见性语言

3.7 本章总结

第4章 伦理建模

4.1 隐私保护数据挖掘

4.2 歧视感知模型

4.3 警世故事：预测累犯和划红线

4.4 可理解的模型与可解释的人工智能

4.5 警世故事：解释网页分类

4.6 伦理偏好：自动驾驶汽车

4.7 本章总结

第5章 道德评价

5.1 道德衡量

5.2 结果的伦理解释

5.3 道德报告

5.4 德里克·斯塔佩尔的警世故事

5.5 本章总结

第6章 伦理部署

6.1 系统访问

6.2 预测差异性与结果差异性

6.3 警世故事：人脸识别

6.4 诚实和换脸技术

6.5 管理方式

6.6 非预期后果

6.7 本章总结

第7章 结论

致谢?6?9

参考文献?6?9