Data Privacy in der Praxis: Datenschutz in Data-Science-Projekten verbessern
Bewährte Praktiken zur Verbesserung von Privacy für Daten aus technischer, organisatorischer und rechtlicher Sicht Noch nie war der Druck, Datenschutz zu gewährleisten, so gross wie heute. Die Integration von Privacy in Datensysteme ist jedoch nach wie vor komplex. Dieser Leitfaden vermittelt Data Scientists und Data Engineers ein grundlegendes Verständnis von modernen Datenschutzbausteinen...
Data Privacy in der Praxis: Datenschutz in Data-Science-Projekten verbessern
Bewährte Praktiken zur Verbesserung von Privacy für Daten aus technischer, organisatorischer und rechtlicher Sicht
Noch nie war der Druck, Datenschutz zu gewährleisten, so gross wie heute. Die Integration von Privacy in Datensysteme ist jedoch nach wie vor komplex.
Dieser Leitfaden vermittelt Data Scientists und Data Engineers ein grundlegendes Verständnis von modernen Datenschutzbausteinen wie Differential Privacy, Föderalem Lernen und homomorpher Verschlüsselung.
Er bietet fundierte Ratschläge und Best Practices für den Einsatz bahnbrechender Technologien zur Verbesserung des Datenschutzes in Produktivsystemen.
Privacy-Spezialistin Katharine Jarmul zeigt in diesem Buch, welche Auswirkungen die DSGVO und der California Consumer Privacy Act (CCPA) auf Ihre Data-Science-Projekte haben. Sie erklärt, wie Daten anonymisiert werden, welche Datenschutztechniken für Ihre Projekte geeignet sind und wie Sie sie integrieren.
Sie erfahren ausserdem, wie Sie einen Plan für Ihr Datenprojekt erstellen, der Datenschutz und Sicherheit von Anfang an berücksichtigt. Katharine Jarmul verbindet dabei eine fundierte technische Perspektive mit leicht verständlichen Übersichten über die neuesten technologischen Ansätze und Architekturen.
Inhalt:
- Wie sorge ich dafür, dass die Daten in meinem Projekt privat, anonymisiert und sicher sind?
- Auf den europäischen Markt zugeschnitten, behandelt auch die DSGVO eingehend
- Inkl. Themen wie ChatGPT und Deep Fakes
- Katharine Jarmul ist eine renommierte Privacy-Spezialistin, sie arbeitet für Thoughtworks und ist Mitgründerin der PyLadies
Product Info
- For the average ratings a minimum of 3 are needed.
- A Customer must rate a minimum of 1 Titels before they are included in the averages.
- The ratings and rankings will be recalculated every day.
- So that the rating is realistic for Titels with few user ratings, we give (WoG) a base rating. The more votes a product has ,the less influence the base rating has.
- We reserve the right, to block ratings from specific users. You can inform us of user misconduct with the following button
.
You might like that too
Rating from Data Privacy in der Praxis: Datenschutz in Data-Science-Projekten verbessern
There are no (customer) reviews for this product yet.
Rate the product and share your opinion with the community.