【伯克利】机器学习诊断偏倚，Diagnosing bias with machine learning（附pdf链接）

题目

Diagnosing bias with machine learning

简介

用机器学习诊断偏倚，现阶段人工智能与医学的联系与交叉越来越紧密，通过机器学习，辅助医生诊断是该领域的主流，作者以独特的视角讲述了机器学习如何用于医学诊断的，内容详实，不容错过。

作者

Ziad Obermeyer，是加州大学伯克利分校公共卫生学院（UC Berkeley School of Public Health）卫生政策与管理的代理副教授，他在该校从事机器学习、医学和卫生政策的交叉研究。他以前是哈佛医学院的助理教授，在那里他获得了早期独立奖，这是美国国立卫生研究院最负盛名的杰出青年科学家奖。他继续在美国服务不足的地区进行急救。在从医之前，他曾在新泽西、日内瓦和东京的麦肯锡公司担任制药和全球健康客户顾问。

Emma Pierson, Jure Leskovec, David Cutler, Sendhil Mullainathan。