Fast.ai：实用数据伦理

数据伦理涵盖了令人难以置信的广泛主题，其中许多都是紧急的，每天都会成为头条新闻，而且现在会对真实的人造成伤害。一项关于100多个科技伦理教学大纲的荟萃分析，题为“当我们教授科技伦理时，我们教了什么？”她发现，科技伦理课程的主题千差万别(法律与政策、隐私与监控、哲学、司法与人权、环境影响、公民责任、机器人、虚假信息、工作与劳动、设计、网络安全、研究伦理等--远远超过任何一门课程所能涵盖的范围)。这些课程由来自不同领域的教授讲授。有更多一致性的领域是在结果方面，批评、发现问题和进行辩论的能力是技术伦理课程最常见的期望结果之一。

在本课程中，我们将集中讨论既紧迫又实用的话题。为了与我的教学理念保持一致，我们将从两个活跃的、现实世界的领域(虚假信息和偏见)开始，以提供背景和动机，然后退回到第3课，深入研究数据伦理和实用工具的基础。从那时起，我们将转向其他主题领域：隐私和监控、硅谷生态系统的角色(包括指标、风险增长和超增长)，以及算法殖民主义。我意识到这门课程仍然只涵盖了一个杂乱无章的领域的一小部分，我希望它将成为继续探索的一个有用的切入点。

本课程最初于2020年1月至2月在旧金山大学数据研究所面授，面向来自不同背景的各种工作专业人员(作为晚间证书课程)。该课程没有必备条件。本课程并不打算详尽无遗，但希望能提供有关滥用数据如何影响社会的有用背景，以及如何练习批判性思维技能和提出的问题。

了解数据滥用的影响，包括不公正的偏见、监视、虚假信息和反馈循环。了解造成这些影响的因素。识别不同类型的偏见。

培养研究数据和数据驱动的算法如何塑造、约束和操纵我们的商业、公民和个人体验的素养。