Hodnotenie:
Kniha „Platform and Model Design for Responsible AI“ od Amity Kapoor a Sharmisthy Chatterjee je komplexnou príručkou pre odborníkov zapojených do AI, ktorá sa zameriava na hodnotenie rizík, etický návrh modelov a zodpovedné postupy v oblasti AI. Zaoberá sa kritickou potrebou transparentnosti a spravodlivosti v systémoch umelej inteligencie a zároveň poskytuje praktický návod na implementáciu etických aspektov pri vývoji ML.
Výhody:Kniha je dobre štruktúrovaná a poskytuje jasné a podrobné pokrytie základných tém súvisiacich so zodpovednou AI vrátane hodnotenia rizík, riadenia ochrany súkromia, spravodlivosti, etiky a optimalizácie modelov. Je oceňovaná pre svoju zrozumiteľnosť, praktické usmernenia, príklady z reálneho sveta a dôkladné preskúmanie zložitých konceptov. Okrem toho je považovaná za cenný zdroj informácií pre široké publikum vrátane odborníkov z praxe, tvorcov politík a nových záujemcov o túto oblasť.
Nevýhody:Kniha je rozsiahla (viac ako 500 strán), čo môže byť pre niektorých čitateľov ohromujúce. Vyžaduje si dôkladné pochopenie strojového učenia a súvisiacich technológií, aby ste mohli plne využiť jej obsah. Okrem toho niektoré recenzie uviedli, že estetika vizuálnych materiálov by sa mohla zlepšiť.
(na základe 15 čitateľských recenzií)
Platform and Model Design for Responsible AI: Design and build resilient, private, fair, and transparent machine learning models
Craft ethical AI projects with privacy, fairness, and risk assessment features for scalable and distributed systems while maintaining explaability and sustainability
Kúpa tlačenej knihy alebo knihy pre Kindle zahŕňa bezplatnú elektronickú knihu PDF
Kľúčové vlastnosti:
⬤ Učte sa posudzovať riziká pre rámce strojového učenia v globálnom prostredí.
⬤ Objavte vzory pre ekosystémy umelej inteligencie novej generácie pre úspešný návrh produktov.
⬤ Vypracujte vysvetliteľné predpovede pre vzdelávanie ML s ohľadom na ochranu súkromia a spravodlivosť.
Popis knihy:
Algoritmy umelej inteligencie sú všadeprítomné a používajú sa na úlohy od náboru zamestnancov až po rozhodovanie o tom, kto dostane pôžičku. Pri takomto rozšírenom používaní umelej inteligencie v rozhodovacom procese je potrebné vytvoriť vysvetliteľný, zodpovedný, transparentný a dôveryhodný systém s podporou umelej inteligencie. S programom Platform and Model Design for Responsible AI budete môcť sprehľadniť existujúce modely čiernych skriniek.
Budete schopní identifikovať a eliminovať skreslenie vo svojich modeloch, vysporiadať sa s neistotou vyplývajúcou z obmedzení údajov aj modelov a poskytnúť zodpovedné riešenie AI. Začnete navrhovaním etických modelov pre tradičné a hlboké učenie ML modelov, ako aj ich nasadením v udržateľnom produkčnom nastavení. Potom sa naučíte, ako nastaviť dátové potrubia, validovať súbory údajov a nastaviť mikroslužby komponentov bezpečným a súkromným spôsobom v akomkoľvek cloud-agnostickom rámci. Potom vytvoríte spravodlivý a súkromný ML model so správnymi obmedzeniami, vyladíte hyperparametre a vyhodnotíte metriky modelu.
Na konci tejto knihy budete okrem techník potrebných na anonymizáciu údajov poznať aj osvedčené postupy na dodržiavanie zákonov o ochrane osobných údajov a etiky. Budete vedieť vyvíjať modely s možnosťou vysvetlenia, ukladať ich do úložísk príznakov a zaobchádzať s neistotou v predpovediach modelov.
Čo sa naučíte:
⬤ Pochopiť hrozby a riziká spojené s ML modelmi.
⬤ Objavíte rôzne úrovne stratégií na zmiernenie rizík a nástroje na triedenie rizík.
⬤ Efektívne aplikovať tradičné techniky optimalizácie a techniky hlbokého učenia.
⬤ Vybudovať auditovateľné a interpretovateľné ML modely a úložiská funkcií.
⬤ Pochopiť koncept neistoty a preskúmať nástroje na vysvetľovanie modelov.
⬤ Vyvíjať modely pre rôzne cloudy vrátane AWS, Azure a GCP.
⬤ Preskúmať nástroje na orchestráciu ML, ako sú Kubeflow a Vertex AI.
⬤ Začlenenie ochrany súkromia a spravodlivosti do modelov ML od návrhu až po nasadenie.
Pre koho je táto kniha určená:
Táto kniha je určená pre skúsených profesionálov v oblasti strojového učenia, ktorí chcú pochopiť riziká a úniky informácií z modelov a rámcov ML a naučiť sa vyvíjať a používať opakovane použiteľné komponenty na zníženie úsilia a nákladov pri vytváraní a údržbe ekosystému AI.
