Etikk innen datavitenskap handler om hva som er rett og galt i arbeidet med data. Datavitenskap har, så langt, først og fremst blitt brukt til å oppnå positive resultater for både bedrifter og samfunn. Likevel, som med all teknologi, har datavitenskap også medført negative konsekvenser. Dette inkluderer økt invasjon av privatliv, datadrevet diskriminering mot sårbare grupper, og beslutningstaking basert på komplekse modeller som ikke gir noen forklaring. Selv om datavitere og bedriftsledere ikke er iboende uetiske, er de ofte ikke trent til å vurdere de etiske aspektene ved arbeidet sitt. Boken "Data Science Ethics" tar for seg denne stadig mer betydningsfulle problemstillingen og fremhever ulike konsepter og teknikker som bidrar til en bedre forståelse av etiske implikasjoner. Dette inkluderer metoder som k-anonymitet og differensial privatliv, homomorfisk kryptering, samt nullkunnskapsbevis, som er alle verktøy for å håndtere personvernutfordringer. Videre diskuterer boken teknikker for å eliminere diskriminering mot sårbare grupper og ulike metoder for forklarbar AI. Virkelige advarselsfortellinger underbygger de teoretiske betraktningene, noe som gjør dette til en essensiell lesning for både praktikere og studenter innen datavitenskap.
