Aprendizaje automático para aplicaciones de alto riesgo: Enfoques para una IA responsable

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 8 votos.

Título original:

Machine Learning for High-Risk Applications: Approaches to Responsible AI

Contenido del libro:

La última década ha sido testigo de la amplia adopción de tecnologías de inteligencia artificial y aprendizaje automático (IA/AM). Sin embargo, la falta de supervisión en su aplicación generalizada ha provocado algunos incidentes y resultados perjudiciales que podrían haberse evitado con una gestión adecuada de los riesgos. Antes de que podamos hacer realidad el verdadero beneficio de la IA/ML, los profesionales deben comprender cómo mitigar sus riesgos.

Este libro describe enfoques para una IA responsable: un marco holístico para mejorar la tecnología de IA/ML, los procesos empresariales y las competencias culturales que se basa en las mejores prácticas de gestión de riesgos, ciberseguridad, privacidad de datos y ciencias sociales aplicadas. Los autores Patrick Hall, James Curtis y Parul Pandey crearon esta guía para científicos de datos que desean mejorar los resultados de los sistemas de IA/ML en el mundo real para las organizaciones, los consumidores y el público.

⬤ Aprenda enfoques técnicos para una IA responsable en cuanto a explicabilidad, validación y depuración de modelos, gestión de sesgos, privacidad de datos y seguridad de ML.

⬤ Aprenda a crear una práctica de gestión de riesgos de IA exitosa e impactante.

⬤ Obtenga una guía básica de las normas, leyes y evaluaciones existentes para la adopción de tecnologías de IA, incluido el nuevo marco de gestión de riesgos de IA del NIST.

⬤ Participar con recursos interactivos en GitHub y Colab.