Ocena:
Książka „Platform and Model Design for Responsible AI” autorstwa Amity Kapoor i Sharmistha Chatterjee to kompleksowy przewodnik dla profesjonalistów zajmujących się sztuczną inteligencją, koncentrujący się na ocenie ryzyka, etycznym projektowaniu modeli i odpowiedzialnych praktykach AI. Odnosi się do krytycznej potrzeby przejrzystości i uczciwości w systemach sztucznej inteligencji, zapewniając jednocześnie praktyczne wskazówki dotyczące wdrażania kwestii etycznych w rozwoju ML.
Zalety:Książka jest dobrze skonstruowana, zapewniając jasne i szczegółowe omówienie podstawowych tematów związanych z odpowiedzialną sztuczną inteligencją, w tym oceny ryzyka, zarządzania prywatnością, uczciwości, etyki i optymalizacji modeli. Jest chwalona za przejrzystość, praktyczne wskazówki, przykłady z życia wzięte i dogłębną analizę złożonych pojęć. Ponadto jest postrzegana jako cenne źródło informacji dla szerokiego grona odbiorców, w tym praktyków, planistów politycznych i osób nowych w tej dziedzinie.
Wady:Książka jest obszerna (ponad 500 stron), co może być przytłaczające dla niektórych czytelników. Wymaga solidnego zrozumienia uczenia maszynowego i powiązanych technologii, aby w pełni skorzystać z jej treści. Ponadto, w niektórych recenzjach zauważono, że estetyka materiałów wizualnych mogłaby zostać poprawiona.
(na podstawie 15 opinii czytelników)
Platform and Model Design for Responsible AI: Design and build resilient, private, fair, and transparent machine learning models
Twórz etyczne projekty AI z funkcjami prywatności, uczciwości i oceny ryzyka dla skalowalnych i rozproszonych systemów, zachowując jednocześnie zrozumiałość i zrównoważony rozwój
Zakup książki w wersji drukowanej lub Kindle obejmuje bezpłatny eBook w formacie PDF
Kluczowe cechy:
⬤ Ucz się oceny ryzyka dla struktur uczenia maszynowego w globalnym krajobrazie.
⬤ Odkryj wzorce dla ekosystemów sztucznej inteligencji nowej generacji w celu udanego projektowania produktów.
⬤ Wyjaśnij prognozy dotyczące prywatności i uczciwego uczenia maszynowego.
Opis książki:
Algorytmy sztucznej inteligencji są wszechobecne i wykorzystywane do zadań, od rekrutacji po decydowanie o tym, kto otrzyma pożyczkę. Przy tak powszechnym wykorzystaniu sztucznej inteligencji w procesie decyzyjnym konieczne jest zbudowanie zrozumiałego, odpowiedzialnego, przejrzystego i godnego zaufania systemu opartego na sztucznej inteligencji. Dzięki Platform and Model Design for Responsible AI będziesz w stanie sprawić, że istniejące modele czarnych skrzynek staną się przejrzyste.
Będziesz w stanie zidentyfikować i wyeliminować stronniczość w swoich modelach, radzić sobie z niepewnością wynikającą zarówno z ograniczeń danych, jak i modelu, a także zapewnić odpowiedzialne rozwiązanie AI. Zaczniesz od zaprojektowania etycznych modeli dla tradycyjnych i głęboko uczących się modeli ML, a także wdrożenia ich w zrównoważonej konfiguracji produkcyjnej. Następnie dowiesz się, jak skonfigurować potoki danych, zweryfikować zestawy danych i skonfigurować mikrousługi komponentów w bezpieczny i prywatny sposób w dowolnej strukturze niezależnej od chmury. Następnie zbudujesz uczciwy i prywatny model ML z odpowiednimi ograniczeniami, dostroisz hiperparametry i ocenisz metryki modelu.
Pod koniec tej książki poznasz najlepsze praktyki w zakresie przestrzegania przepisów dotyczących prywatności danych i etyki, a także techniki potrzebne do anonimizacji danych. Będziesz w stanie opracowywać modele z możliwością wyjaśnienia, przechowywać je w magazynach funkcji i radzić sobie z niepewnością w przewidywaniach modelu.
Czego się nauczysz:
⬤ Zrozumieć zagrożenia i ryzyko związane z modelami ML.
⬤ Odkrywać różne poziomy strategii ograniczania ryzyka i narzędzia do jego poziomowania.
⬤ Skutecznie stosować tradycyjne i głębokie techniki optymalizacji.
⬤ Budować możliwe do skontrolowania i zinterpretowania modele ML i magazyny funkcji.
⬤ Zrozumienie koncepcji niepewności i poznanie narzędzi do wyjaśniania modeli.
⬤ Opracowanie modeli dla różnych chmur, w tym AWS, Azure i GCP.
⬤ Poznanie narzędzi do orkiestracji ML, takich jak Kubeflow i Vertex AI.
⬤ Uwzględnienie prywatności i uczciwości w modelach ML od projektu do wdrożenia.
Dla kogo jest ta książka:
Ta książka jest przeznaczona dla doświadczonych specjalistów od uczenia maszynowego, którzy chcą zrozumieć ryzyko i wycieki modeli ML i frameworków oraz nauczyć się opracowywać i używać komponentów wielokrotnego użytku, aby zmniejszyć wysiłek i koszty związane z konfigurowaniem i utrzymywaniem ekosystemu sztucznej inteligencji.
