Bewertung:
Das Buch „Platform and Model Design for Responsible AI“ von Amita Kapoor und Sharmistha Chatterjee ist ein umfassender Leitfaden für Fachleute, die sich mit KI befassen, und konzentriert sich auf Risikobewertung, ethisches Modelldesign und verantwortungsvolle KI-Praktiken. Es befasst sich mit dem kritischen Bedarf an Transparenz und Fairness in KI-Systemen und bietet gleichzeitig praktische Anleitungen zur Umsetzung ethischer Überlegungen in der ML-Entwicklung.
Vorteile:Das Buch ist gut strukturiert und behandelt klar und detailliert die wichtigsten Themen im Zusammenhang mit verantwortungsvoller KI, einschließlich Risikobewertung, Datenschutzmanagement, Fairness, Ethik und Modelloptimierung. Es wird für seine Klarheit, die praktischen Anleitungen, die Beispiele aus der Praxis und die gründliche Erforschung komplexer Konzepte gelobt. Darüber hinaus wird es als wertvolle Ressource für ein breites Publikum angesehen, darunter Praktiker, politische Planer und Neueinsteiger auf diesem Gebiet.
Nachteile:Das Buch ist sehr umfangreich (über 500 Seiten), was für einige Leser überwältigend sein kann. Es erfordert ein solides Verständnis des maschinellen Lernens und verwandter Technologien, um den Inhalt voll ausschöpfen zu können. Außerdem wurde in einigen Rezensionen angemerkt, dass die Ästhetik des Bildmaterials verbessert werden könnte.
(basierend auf 15 Leserbewertungen)
Platform and Model Design for Responsible AI: Design and build resilient, private, fair, and transparent machine learning models
Ethische KI-Projekte mit Funktionen für Datenschutz, Fairness und Risikobewertung für skalierbare und verteilte Systeme gestalten und dabei Erklärbarkeit und Nachhaltigkeit wahren
Der Kauf des gedruckten Buches oder des Kindle-Buches beinhaltet ein kostenloses PDF-eBook
Hauptmerkmale:
⬤ Lernen Sie die Risikobewertung für maschinelle Lernsysteme in einer globalen Landschaft.
⬤ Entdecken Sie Muster für KI-Ökosysteme der nächsten Generation für eine erfolgreiche Produktgestaltung.
⬤ Erklärbare Vorhersagen für datenschutz- und fairnessbasiertes ML-Training treffen.
Buchbeschreibung:
KI-Algorithmen sind allgegenwärtig und werden für Aufgaben eingesetzt, die von der Rekrutierung bis zur Entscheidung, wer einen Kredit erhält, reichen. Angesichts dieser weit verbreiteten Verwendung von KI im Entscheidungsprozess ist es notwendig, ein erklärbares, verantwortungsvolles, transparentes und vertrauenswürdiges KI-gestütztes System zu entwickeln. Mit Platform and Model Design for Responsible AI können Sie bestehende Black-Box-Modelle transparent machen.
Sie werden in der Lage sein, Verzerrungen in Ihren Modellen zu erkennen und zu beseitigen, mit Unsicherheiten umzugehen, die sich aus Daten und Modellbeschränkungen ergeben, und eine verantwortungsvolle KI-Lösung anzubieten. Sie werden damit beginnen, ethische Modelle für traditionelle und Deep-Learning-ML-Modelle zu entwerfen und sie in einer nachhaltigen Produktionsumgebung einzusetzen. Danach lernen Sie, wie Sie Datenpipelines einrichten, Datensätze validieren und Komponenten-Microservices auf sichere und private Weise in einem beliebigen Cloud-unabhängigen Framework einrichten. Anschließend erstellen Sie ein faires und privates ML-Modell mit geeigneten Einschränkungen, stimmen die Hyperparameter ab und werten die Modellmetriken aus.
Am Ende dieses Buches kennen Sie die besten Verfahren zur Einhaltung von Datenschutz- und Ethikgesetzen sowie die für die Anonymisierung von Daten erforderlichen Techniken. Sie werden in der Lage sein, erklärungsfähige Modelle zu entwickeln, sie in Merkmalsspeichern zu speichern und mit Unsicherheiten in Modellvorhersagen umzugehen.
Was Sie lernen werden:
⬤ Verstehen Sie die Gefahren und Risiken von ML-Modellen.
⬤ Entdecken Sie die verschiedenen Stufen von Risikominderungsstrategien und Risiko-Tiering-Tools.
⬤ Traditionelle und Deep Learning Optimierungstechniken effizient anwenden.
⬤ Erstellen Sie prüfbare und interpretierbare ML-Modelle und Merkmalspeicher.
⬤ Verstehen Sie das Konzept der Unsicherheit und erforschen Sie Tools zur Erklärung von Modellen.
⬤ Entwickeln Sie Modelle für verschiedene Clouds wie AWS, Azure und GCP.
⬤ Erforschen Sie ML-Orchestrierungstools wie Kubeflow und Vertex AI.
⬤ Integration von Datenschutz und Fairness in ML-Modelle vom Entwurf bis zur Bereitstellung.
Für wen dieses Buch gedacht ist:
Dieses Buch richtet sich an erfahrene Fachleute für maschinelles Lernen, die die Risiken und Lecks von ML-Modellen und -Frameworks verstehen und lernen möchten, wiederverwendbare Komponenten zu entwickeln und zu nutzen, um den Aufwand und die Kosten für die Einrichtung und Wartung des KI-Ökosystems zu reduzieren.
| ISBN: | 9781803237077 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
