雷竞技没有网页版
lpl雷电竞菠菜
雷竞技`raybet
简历
生物学
联系信息

创新政策上的职业
教授Helen Nisraybet电竞投注senbaum和Katherine Strandburg
W 2:10-4PM FH 210和TH 5-6:50PM VH 208
2017年春季,纽约大学

关于课程:

今年的职业会议审查了社会在广泛的公共和私人努力中越来越依赖所谓的“大数据”,例如有针对性的广告,信贷价值评估,医疗保健和执法部门的所谓“大数据”提出的法律和政策挑战。我们将探讨隐私,公平,可靠性,创新和创新和透明度的问题 - 社会,法律,道德,政治和人文。学生将阅读和讨论相关材料,参加专家背景讲座,参加主席将于领导学者展示正在进行的工作,参加跨学科会议,写出独立的研究论文,并在课堂上举办他们的研究。雷竞技没有网页版

课程材料:

要求:
1.毁灭数学的武器,由Cathy O'Neil(1/26嘉宾),来自亚马逊,巴恩斯&贵宾和其他来源以及许多书店在线提供。
2.所有其他必需的阅读材料将在NYU课上发布或在线轻松访问。
补充:学术法律写作,由Eugene Volokh,来自亚马逊和巴恩斯&高尚的在线提供。本书是编写法律评论文章和研讨会论文的有用指南。

提交作业:

1.所有作业都应在Microsoft Word(或Word中的任何其他格式)中提交。请使用以下命名约定进行提交的作业:LastNameAsignmentType.ext(例如StrandBurgtopic.docx)。

2.互联网上的评论/疑问应在NYU课上的“论坛”下发布。所有其他任务应通过电子邮件发送给讲师和Nicole Arzt。对同学的指定评论也应该通过电子邮件发送给作者。

3.未经事先授予延期,将不接受延迟提交。仅在严重困难的情况下授予扩展,例如医疗或家庭紧急情况。不完整不会给出!

等级:

雷竞技没有网页版研究论文将占70%的成绩,如下:第一次草案(10%),最终纸张(50%),海报介绍(10%)。剩下的30%将基于课堂参与,评论/疑问是讨论者的评论/疑问,并就同学的草案评论。

课程计划概述(见下文详细说明):

介绍会话(1/18,1 / 25,1 / 26和2/1):在初步概述由教授进行的会话之后。Strandburg和Nissenbaum,三位杰出专家将为客人讲座提供大数据技术和应用的背景。

译文周(见下文):课程的核心是周四下午由跨学科客座学者进行的一系列工作进展报告。有兴趣的教师、研究人员、学生和实践者将参加研讨会。雷竞技没有网页版演讲者的论文草稿和其他背景读物将至少提前一周发布在纽约大学的课堂上。每周三的专题报告前的课堂将专门讨论相关的背景读物。

学生海报课程(4/19和4/20):我们将举办两次海报会议,学生将展示他们的研究论文并与同学讨论。雷竞技没有网页版一半的班级将在每个会议上呈现海报。在海报会议之前,纸稿将在NYU课上发布,以进一步促进讨论。将提供茶点。

算法和解释性会议(4/27和4/28):该会议由NYU的信息法学院组织,将提供关于雇用“大数据”算法的决策者是否有什么决策者的尖端视角,为受影响的人提供可理解的解释。学生必须参加会议至少两个小时 - 并被邀请并鼓励尽可能多地参加!

取消课程(1/19,2 / 2,2 / 9(下雪日),2 / 23,3 / 22,3 / 23,4 / 26和4/27):这是一个3学分的课程,每周4小时,给我们7个“额外”的课程。学生们被鼓励利用这些“休息日”来完成他们的研究论文。雷竞技没有网页版在4/27的算法和解释会议期间,课程也被取消。

要求和分配:

出席和参与:参加课程和参与课堂讨论是本课程学习经验的关键部分,是强制性的。

阅读作业:四个介绍性课程的读数在下列详细的时间表中提供。背景,每个家堂周的读数分配和发言者的论文将至少提前一周发布。

雷竞技没有网页版研究论文:每个学生将在与“大数据”有关的话题上写一个独立的研究论文。雷竞技没有网页版每个学生必须提交一个主题选择,初步论文状态,初步轮廓和书目,一个完整的初稿和最后一篇论文。实质性写作要求纸张必须至少为10,000字,不包括脚注。其他人应该是至少6000字,不包括脚注。

海报会话:学生必须准备3'x 4'海报总结他们的研究论文,并在两个海报会话中展示他们。雷竞技没有网页版学生还必须参加其他海报会议并积极与同学的演示。关于海报和海报会议的更多细节将在课堂上提供。

讲话者的问题:在七个工作进展中的每一个之前,每个学生必须在NYU课上发布关于演讲者论文的三个问题/评论。起草这些问题/评论有助于学生为员工做准备。发言者在修改论文时也会发现他们有用。议员介绍的星期四必须在下午3点发布议员的问题/评论。

两位同学的书面评论:每个学生都将被分配到阅读两个同学纸稿,并提交简要的书面评论,将与草稿的作者分享。评论应该是建设性和严重的(并且不会是匿名的)。当然,这些评论对纸质作者有所帮助。评论另一名学生的草案也是一个非常有价值的教育经验。

重要日期和截止日期:

午夜到期2/8纸张主题
2/22午夜初步论文陈述,初步轮廓和参考书目
3/29午夜的第一个草稿
4/12关于两个同学的评论午夜到期的草稿
(初稿与教授评论返回)
4/20或21张海报课程
5/16最后纸张截止下午5点

日程

1月18日 介绍会话

读数:
1.总统执行办公室,大数据:关于算法系统,机会和公民权利的报告(2016年5月)
2. Danielle Keats Citron,技术到期过程,85次洗涤。U. L. Rev。1249(2008),阅读部分
3. J. Lane,V.Stodden,S. Bender和H. Nissenbaum(EDS)隐私,大数据和公众良好:参与框架(2015杯)
一种。Ch。1:Katherine Strandburg,监控,数据审查和同意:在大数据背景下隐私的法律方法,阅读秒。I,II,IV.A
湾Ch。2:Solon Barocas和Helenraybet电竞投注 Nissenbaum。大数据的终结围绕着匿名和同意

1月25日

客人讲座
福斯特普罗斯特,数据科学与信息系统教授,纽约斯特恩管理学院

读物
1.Solon Barocas等人,数据与民权:技术底漆
2.福斯特普罗斯特和汤姆福克特,数据科学及其与大数据与数据驱动决策的关系,1大数据51(2013年2月)

1月26日 客人讲座
Cathy O'Neil,Mathematician和Author

读物
1.凯茜奥尼尔,数学毁灭武器(2016年皇冠随机屋)
阅读ch。1和两个chs。4-9(您的选择)

2月1日 客人讲座
Duncan Watts,微软研究院雷竞技没有网页版

读物
邓肯瓦特,常识的神话:为什么社会世界不太明显,而不是似乎(2011年9月29日博客帖子在freaonomics.com))
2.特拉维斯马丁等,复杂社会系统中预测的限制读:秒。1和6,脱脂秒。2-5
邓肯瓦,特别的人,Ch.4来自一切都很明显:常见的感觉失败了我们(2012年皇冠)
4.邓肯瓦,计算社会科学:令人兴奋的进展和未来的方向,《工程前沿》(Winter 2013),第5-10页。


2月8日

纸张主题到期

读物
1.丹尼尔·凯特斯·卡伯尔斯·克里顿&弗兰克帕斯奎尔(Frank Pasquale):适当的自动化预测,89份洗手。L. Rev. 1(2014),https://ssrn.com/abstract=2376209。
2. Jenna Burrell,机器的“想象”:了解机器学习算法中的不透明度,大数据和SoC。1,1月1日 - 2016年1月,http://journals.sagepub.com/doi/abs/10.1177/2053951715622512?platform=hootsuite&
3. Zachary C.Lipton,模型解释性的神话,https://arxiv.org/pdf/1606.03490v2.pdf。
可选阅读:
1. Sandra Wachter,Brent Mittelstadt和Luciano佛罗里达州“为什么在一般数据保护规则中不存在自动化决策的权利,”https://papers.srn.com/sol3/papers.cfm?Abstract_id = 2903469.


2月15日
读物
审查ch。2:Solon Barocas和Helenraybet电竞投注 Nissenbaum。大数据的终结围绕着匿名和同意
2. H. Nissenbaum(1996)“计算机化社会的问责制”科学与工程伦理,2:1,25-42(可在NYU课上使用)
3. Simon Chexerman,无人驾驶汽车梦想电动绵羊吗?海峡时报(2016年9月3日),可在https://srn.com/abstract=2833701上获得。
4. Jason Millar&Ian Kerr,代表团,放弃和责任:专家机器人的前景,在https://ssrn.com/abstract=2234645提供。

2月16日 讨论会演讲

茱莉亚安格文,Propublica
标题:算法问责制
阅读:https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing.
文摘:机器正在制作很多曾经由人类制造的决定。机器现在帮助我们制定个人决策,例如我们阅读的新闻以及我们看到的广告。他们还制定了社会决策,例如哪个社区获得较重的警察存在,从政治候选人那里获得更多的关注。记者Julia Angwin谈到持有机器对其决定负责的挑战。

2月22日

3/2的Poon展示准备

读物
1.潘摘要和学生的笔记,可在NYU课上提供
2. Heilemann,John。2000.“真相,整个真理,但除了真相之外。”在有线杂志,https://www.wired.com/2000/11/microsoft-7/
3. Kurt Eichenwald,“微软失去了十年,”Vanity Fair 2012年7月24日,http://www.vanityfair.com/news/business/2012/08/microsoft-lost-mojo-steve -ballmer
4.理查德水域,“微软可以用AI?,”大读,金融时报2016年11月28日,在纽约课上提供
亚当戴维森,“为什么公司持有万亿?”纽约时报杂志2016年1月20日,http://www.nytimes.com/2016/01/24/magazine/why-are-corporations-hoarding-trillions.html
6.穆迪的投资者服务,“穆迪:美国非金融企业的现金桩增加到1.68万亿美元,技术持有铅,”2016年5月20日新闻稿://www.moodys.com/research/moodys-us雷竞技没有网页版- 企业 - 现金桩LED逐个技术部门 - PR_357576

2月23日 暂定论文陈述,初步概述和初步参考书目到期

3月1日

讨论会演讲

Solon Barocas.,微软研究雷竞技没有网页版
纸:在法律和机器学习中认真对待解释
文摘:从寻求“解锁黑匣子”的学者,到要求自动决策“有关逻辑的有意义信息”的法规,最近关于机器学习——以及更普遍的算法——的讨论都转向了要求解释的呼声。支持解释的人认为,算法必须揭示它们做出决策的基础,并解释它们的决定。但是,如果把解释本身作为一种目的,而不是达到某一特定目的的手段,批评者可能会要求错误的东西。人们在处理算法时想要理解什么——以及为什么想要理解它——可能有很大的不同。通常,促使要求解释的目标可以通过其他方式得到更好的满足。更糟糕的是,确保算法能够以人类可以理解的方式进行解释,可能会以学者、监管机构和批评人士珍视的另一个价值为代价:准确性。例如,降低模型的复杂性可能会使其更容易理解,但也会妨碍其性能。为了让解释服务于预期的目的,并在众多相互竞争的价值观中找到合适的位置,它的拥护者需要考虑他们希望它实现什么,以及解释实际上提供了什么。

3月2日

讨论会演讲

玛莎Poon,哥雷竞技没有网页版伦比亚大学全球思想委员会研究联盟
纸:借用枢转 - 微软能否告诉我们云的融资?
文摘:微软公司是全球巨头,但即使是巨头也要跟上。该公司在收缩包装软件的低微时代发家致富,并在浏览器之战中成熟,现在将追求数据驱动的商业模式。2016年6月,作为企业软件与数字自动化和机器学习合并战略的一部分,该公司宣布将以260亿美元全现金收购专业社交媒体网站领英(LinkedIn)。微软正在借力支点。为了为收购融资,该公司发行了197亿美元投资级债券,并拥有超过1050亿美元的企业现金储备。本文将表明,科技行业正在一个独特的金融环境中建设其雄心勃勃的云计算基础设施,在这个环境中,少数几家科技公司掌握着前所未有的巨额现金,并能够获得充足的低利息债务融资。这项研究雷竞技没有网页版揭示了全球货币市场对生产可交易信贷资产的永不满足的需求、跨国公司对维持股东价值的需求,以及一些人所称的“监督资本主义”之间的一种浮士德式的契约。这篇论文认为,硅谷强大的新商业模式是2008年后信贷紧缩的无声受益者。如果云计算是金融市场动态的结果,而不仅仅是技术创新的结果呢?这将如何挑战我们的政策和监管方法?

3月8日

准备Hildebrandt演示文稿
阅读(初步)
1.米雷耶·希尔德布兰,数据驱动机构时代的法律作为信息(Chorley Lecture 2015),现代法律审查(79)1,1-30,http://onlineLibrary.wiley.com/doi/10.1111/1468-2230.12165/abstract

受到推崇的
1.智能技术的第7章和第8章和第8章,法律,切尔滕纳姆:爱德华伊尔加2015,133-158,159-185

3月9日

讨论会演讲

Mireille Hildebrandt,Vrije Universiteit Brussel法律教授;Radboud University,Naijmegen,Netherlands的智能环境,数据保护和法治教授
纸:从作为信息的法律到作为计算的法律
文摘:计算法或判决法的思想源于以前的人工智能浪潮。它基于对法律的算法理解,庆祝逻辑作为适当法律论证的唯一成分。然而,正如福尔摩斯所指出的那样,法律的生活是经验而不是逻辑。机器学习,它确定了人工智能的当前波,建立在机器体验上。由此产生的计算法在预测积极法的内容方面可能更加成功。在这次讲座中,我们将讨论法律和法治的假设,并与计算系统面对它们。这应了解人工法律情报在法律决策中提供负责任的创新程度。

3月15日 春假

3月16日 春假

39 准备埃文斯演讲

初期的初稿

3月30日

讨论会演讲

芭芭拉埃文斯,休斯顿大学乔治巴特勒研究教授休雷竞技没有网页版斯顿法律中心

4月5日 准备陈述呈现

4月6日

讨论会演讲

马修·j·康纳利,国际和全球历史教授,哥伦比亚大学

4月12日

准备约翰演示文稿

4月13日

讨论会演讲

伊丽莎白约翰,法律教授,U.C.戴维斯法学院
纸:警方作为数据创作者
文摘:警察调查犯罪,但他们也创造了形成我们对犯罪和刑法理解的数据。如果警察是数据创造者,那么创建数据的方式和原因不仅会直接影响我们对犯罪的认识,而且还会影响今天存储、处理和重用大量数据以维持治安的程序。令人惊讶的是,警务的这一方面几乎没有受到任何系统性的关注。然而,在大数据时代,警察创造、塑造、忽视和产生数据的能力需要新的关注,因为它对刑事司法系统的其他地方产生了深远的影响。本文解释了警察作为数据创造者的重要性,解释了这种创造的一些潜在危害,并提出了警察的数据创造可以受到公众更严格审查的方法。

4月19日

学生海报会议

4月20日 学生海报会议

4月27日 算法和解释性会议

4月28日 算法和解释性会议

5月16日 最终文件在下午5点到期