Proiectarea de platforme și modele pentru IA responsabilă: Proiectarea și construirea de modele de învățare automată rezistente, private, corecte și transparente

Recenzii ale cititorilor

Cartea „Platform and Model Design for Responsible AI” de Amita Kapoor și Sharmistha Chatterjee este un ghid cuprinzător pentru profesioniștii implicați în IA, axat pe evaluarea riscurilor, proiectarea modelelor etice și practicile IA responsabile. Cartea abordează nevoia critică de transparență și corectitudine în sistemele de inteligență artificială, oferind în același timp orientări practice privind punerea în aplicare a considerentelor etice în dezvoltarea ML.

Cartea este bine structurată, oferind o acoperire clară și detaliată a subiectelor esențiale legate de IA responsabilă, inclusiv evaluarea riscurilor, gestionarea confidențialității, corectitudinea, etica și optimizarea modelelor. Cartea este lăudată pentru claritatea sa, orientările practice, exemplele din lumea reală și explorarea aprofundată a conceptelor complexe. În plus, este considerată o resursă valoroasă pentru un public larg, inclusiv practicieni, planificatori de politici și cei noi în domeniu.

Cartea este vastă (peste 500 de pagini), ceea ce poate fi copleșitor pentru unii cititori. Aceasta necesită o înțelegere solidă a învățării automate și a tehnologiilor conexe pentru a beneficia pe deplin de conținutul său. În plus, unele recenzii au remarcat că estetica materialelor vizuale ar putea fi îmbunătățită.

(pe baza a 15 recenzii ale cititorilor)

Titlul original:

Platform and Model Design for Responsible AI: Design and build resilient, private, fair, and transparent machine learning models

Conținutul cărții:

Proiecte etice de inteligență artificială cu caracteristici de confidențialitate, corectitudine și evaluare a riscurilor pentru sisteme scalabile și distribuite, menținând în același timp explicabilitatea și durabilitatea

Achiziționarea cărții tipărite sau Kindle include o carte electronică PDF gratuită

Caracteristici principale:

⬤ Învățați evaluarea riscurilor pentru cadrele de învățare automată într-un peisaj global.

⬤ Descoperiți modele pentru ecosistemele AI de generație următoare pentru proiectarea cu succes a produselor.

⬤ Faceți predicții explicabile pentru confidențialitate și instruire ML echitabilă.

Descrierea cărții:

Algoritmii AI sunt omniprezenți și utilizați pentru sarcini, de la recrutare la a decide cine va primi un împrumut. Cu o utilizare atât de răspândită a AI în procesul decizional, este necesar să se construiască un sistem explicabil, responsabil, transparent și demn de încredere, bazat pe AI. Cu Platform and Model Design for Responsible AI, veți putea face transparente modelele existente de tip cutie neagră.

Veți fi capabili să identificați și să eliminați prejudecățile din modelele dvs., să faceți față incertitudinii care rezultă atât din datele cât și din limitările modelului și să oferiți o soluție IA responsabilă. Veți începe prin a proiecta modele etice pentru modelele ML tradiționale și de învățare profundă, precum și prin a le implementa într-o configurație de producție durabilă. După aceea, veți învăța cum să configurați conducte de date, să validați seturi de date și să configurați microservicii componente într-un mod sigur și privat în orice cadru cloud-agnostic. Veți construi apoi un model ML corect și privat cu constrângeri adecvate, veți regla hiperparametrii și veți evalua metricile modelului.

Până la sfârșitul acestei cărți, veți cunoaște cele mai bune practici pentru a respecta legile privind confidențialitatea datelor și etica, în plus față de tehnicile necesare pentru anonimizarea datelor. Veți fi capabil să dezvoltați modele explicabile, să le stocați în feature stores și să gestionați incertitudinea în predicțiile modelelor.

Ce veți învăța:

⬤ Înțelegeți amenințările și riscurile implicate de modelele ML.

⬤ Descoperiți diferite niveluri de strategii de atenuare a riscurilor și instrumente de ierarhizare a riscurilor.

⬤ Aplicați eficient tehnici de optimizare tradiționale și de învățare profundă.

⬤ Construirea de modele ML verificabile și interpretabile și de depozite de caracteristici.

⬤ Înțelegeți conceptul de incertitudine și explorați instrumentele de explicare a modelelor.

⬤ Dezvoltați modele pentru diferite cloud-uri, inclusiv AWS, Azure și GCP.

⬤ Explorați instrumentele de orchestrare ML, cum ar fi Kubeflow și Vertex AI.

⬤ Incorporați confidențialitatea și echitatea în modelele ML de la proiectare la implementare.

Pentru cine este această carte:

Această carte se adresează profesioniștilor cu experiență în învățarea automată care doresc să înțeleagă riscurile și scurgerile modelelor și cadrelor ML și să învețe să dezvolte și să utilizeze componente reutilizabile pentru a reduce efortul și costurile în configurarea și întreținerea ecosistemului AI.