Mašininis mokymasis. Kaip sukurti patikimus dirbtinio intelekto modelius

Tai praktinis vadovas, kaip kurti tvirtas, saugias ir suprantamas ML sistemas. Autoriai nagrinėja pagrindinius patikimų modelių kūrimo aspektus: nuo pažeidžiamumų ir šališkumo nustatymo iki algoritmų skaidrumo vertinimo, apsaugos nuo atakų ir skolinių įsipareigojimų valdymo ML projekte.
Knyga padeda suprasti, kaip veikia šiuolaikiniai požiūriai į sąžiningumą, interpretuojamumą ir saugumą, ir parodo, kaip juos taikyti realiomis sąlygomis – ten, kur modeliai susiduria su kintančia aplinka, triukšmingais duomenimis ir žmonių naudojimo scenarijais.