Raamat on põhjalik juhend tehisintellekti ja masinõppe (AI/ML) rakendamiseks tänapäeva äri riskide vähendamiseks, mis on seotud nende tehnoloogiate kasutamisega. Käsitletakse riskijuhtimise ja küberjulgeoleku aluseid, regulatiivseid aktesid, vastutust ML-põhiste toodete kvaliteedi eest, samuti seletatavaid mudeleid ja nende testimise meetodeid, sealhulgas uut...
NIST AI riskijuhtimise raamistikku. Lugejale tehakse ettepanek süvitsi minna Pythoniga programmeerimisse koos üksikasjalike näidetega struktureeritud ja struktureerimata andmete jaoks. Erilist tähelepanu pööratakse seletatavatele buustimismasinatele, XGBoost raamatukogule ja meetoditele ML mudelite kvaliteedi parandamiseks. Esitatakse reaalse kogemuse põhjal nõuandeid, kuidas edukaid kõrge riski rakendusi korraldada. Toonud on praktilised näited, mis illustreerivad ML rakendamise tähtsust ja keerukust erinevates valdkondades.
Raamat on põhjalik juhend tehisintellekti ja masinõppe (AI/ML) rakendamiseks tänapäeva äri riskide vähendamiseks, mis on seotud nende tehnoloogiate kasutamisega. Käsitletakse riskijuhtimise ja küberjulgeoleku aluseid, regulatiivseid aktesid, vastutust ML-põhiste toodete kvaliteedi eest, samuti seletatavaid mudeleid ja nende testimise meetodeid, sealhulgas uut NIST AI riskijuhtimise raamistikku. Lugejale tehakse ettepanek süvitsi minna Pythoniga programmeerimisse koos üksikasjalike näidetega struktureeritud ja struktureerimata andmete jaoks. Erilist tähelepanu pööratakse seletatavatele buustimismasinatele, XGBoost raamatukogule ja meetoditele ML mudelite kvaliteedi parandamiseks. Esitatakse reaalse kogemuse põhjal nõuandeid, kuidas edukaid kõrge riski rakendusi korraldada. Toonud on praktilised näited, mis illustreerivad ML rakendamise tähtsust ja keerukust erinevates valdkondades.