Uczenie maszynowe. Jak zbudować niezawodne modele sztucznej inteligencji

To praktyczny przewodnik dotyczący tworzenia odpornych, bezpiecznych i zrozumiałych systemów ML. Autorzy omawiają kluczowe aspekty opracowywania niezawodnych modeli: od identyfikacji podatności i uprzedzeń, po ocenę przejrzystości algorytmów, ochronę przed atakami i zarządzanie zobowiązaniami w projekcie ML.
Książka pomaga zrozumieć, jak działają nowoczesne podejścia do uczciwości, interpretowalności i bezpieczeństwa oraz pokazuje, jak je stosować w rzeczywistych warunkach – tam, gdzie modele stają w obliczu zmiennego środowiska, hałaśliwych danych i ludzkich scenariuszy użycia.