Avis des lecteurs
Résumé:Le livre « Responsible AI in the Enterprise » est un guide complet sur la mise en œuvre éthique de l'IA. Il fournit des conseils pratiques et des stratégies concrètes pour gérer les risques liés à l'IA et garantir un déploiement responsable dans les contextes commerciaux. Il couvre des concepts essentiels tels que l'équité, la partialité, la transparence et la conformité, ce qui le rend adapté à un large éventail de professionnels dans le domaine de l'IA.
Avantages:L'ouvrage est salué pour son approche complète et pratique, qui établit un équilibre entre les discussions techniques et éthiques. Il comprend des exemples du monde réel, des extraits de code et des conseils pratiques sur l'utilisation des principaux outils de gouvernance de l'IA. Il est accessible à un large public, y compris les scientifiques des données, les gestionnaires et les décideurs politiques, et met l'accent sur un langage non sexiste. L'accent mis sur la conformité et les considérations éthiques le rend particulièrement pertinent dans l'environnement actuel axé sur les données.
Inconvénients:Certains lecteurs pourraient trouver que, bien que le livre soit complet, il pourrait potentiellement submerger ceux qui ont peu de connaissances préalables des concepts de l'IA. En outre, ceux qui recherchent un contenu technique plus avancé pourraient trouver certaines sections trop basiques ou trop introductives.
(basé sur 5 avis de lecteurs)
Titre original :
Responsible AI in the Enterprise: Practical AI risk management for explainable, auditable, and safe models with hyperscalers and Azure OpenAI
Contenu du livre :
Construisez et déployez vos modèles d'IA avec succès en explorant la gouvernance des modèles, l'équité, les biais et les pièges potentiels.
L'achat de la version imprimée ou du livre Kindle inclut un livre électronique PDF gratuit.
Caractéristiques principales :
⬤ Apprendre les principes, les cadres et la gouvernance éthiques de l'IA.
⬤ Comprendre les concepts d'évaluation de l'équité et d'atténuation des biais.
⬤ Comprendre les concepts d'évaluation de l'équité et d'atténuation des biais.
Description du livre :
Responsible AI in the Enterprise est un guide complet pour la mise en œuvre de systèmes d'IA éthiques, transparents et conformes au sein d'une organisation. En mettant l'accent sur la compréhension des concepts clés des modèles d'apprentissage automatique, ce livre vous fournit des techniques et des algorithmes pour aborder des questions complexes telles que les biais, l'équité et la gouvernance des modèles.
Tout au long du livre, vous comprendrez FairLearn et InterpretML, ainsi que Google What-If Tool, ML Fairness Gym, IBM AI 360 Fairness tool et Aequitas. Vous découvrirez divers aspects de l'IA responsable, notamment l'interprétabilité des modèles, la surveillance et la gestion de la dérive des modèles et les recommandations en matière de conformité. Vous obtiendrez des informations pratiques sur l'utilisation des outils de gouvernance de l'IA pour garantir l'équité, l'atténuation des biais, l'explicabilité, la conformité à la législation sur la protection de la vie privée et la confidentialité dans le cadre d'une entreprise. En outre, vous explorerez les boîtes à outils d'interprétabilité et les mesures d'équité proposées par les principaux fournisseurs d'IA en nuage comme IBM, Amazon, Google et Microsoft, tout en découvrant comment utiliser FairLearn pour l'évaluation de l'équité et l'atténuation des préjugés. Vous apprendrez également à construire des modèles explicables à l'aide d'un résumé des caractéristiques globales et locales, d'un modèle de substitution local, de valeurs de Shapley, d'ancres et d'explications contrefactuelles.
À la fin de ce livre, vous serez bien équipé en outils et techniques pour créer des modèles d'apprentissage automatique transparents et responsables.
Ce que vous apprendrez
⬤ Comprendre les principes fondamentaux de l'IA, les méthodes et les techniques sous-jacentes.
⬤ Explorer la gouvernance des modèles, y compris la construction de modèles d'apprentissage automatique explicables, vérifiables et interprétables.
⬤ Utiliser le diagramme de dépendance partielle, le résumé global des caractéristiques, l'espérance de condition individuelle et l'interaction des caractéristiques.
⬤ Construire des modèles explicables avec un résumé global et local des caractéristiques, et des fonctions d'influence dans la pratique.
⬤ Concevoir et construire des pipelines d'apprentissage automatique explicables avec transparence.
⬤ Découvrir Microsoft FairLearn et la place de marché pour différents outils d'IA explicables open-source et des plateformes cloud.
A qui s'adresse ce livre :
Ce livre s'adresse aux scientifiques des données, aux ingénieurs en apprentissage automatique, aux praticiens de l'IA, aux professionnels de l'informatique, aux parties prenantes de l'entreprise et aux éthiciens de l'IA qui sont responsables de la mise en œuvre de modèles d'IA dans leur organisation.
Autres informations sur le livre :
| ISBN : | 9781803230528 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
