高风险应用程序的机器学习
Machine Learning for High-Risk Applications
图书说明
过去十年见证了人工智能和机器学习 (AI/ML) 技术的广泛采用。然而，由于在广泛实施过程中缺乏监督，导致了一些本可以通过适当的风险管理避免的事故和有害后果。在我们实现 AI/ML 的真正好处之前，从业者必须了解如何降低其风险。
这本书描述了负责任的 AI 的方法——一个基于风险管理、网络安全、数据隐私和应用社会科学的最佳实践来改进 AI/ML 技术、业务流程和文化能力的整体框架。作者 Patrick Hall、James Curtis 和 Parul Pandey 为希望为组织、消费者和公众改善现实世界 AI/ML 系统结果的数据科学家创建了本指南。
- 学习跨可解释性、模型验证和调试、偏差管理、数据隐私和 ML 安全性的负责任 AI 的技术方法
- 了解如何创建成功且有影响力的 AI 风险管理实践
- 获取有关采用人工智能技术的现有标准、法律和评估的基本指南，包括新的 NIST 人工智能风险管理框架
- 参与 GitHub 和 Colab 上的交互式资源
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)