La IA responsable en la empresa: Gestión práctica de riesgos de IA para modelos explicables, auditables y seguros con hiperescaladores y Azure OpenAI

Opiniones de los lectores

El libro «Responsible AI in the Enterprise» (IA responsable en la empresa) es una guía exhaustiva para la aplicación ética de la IA, que ofrece conocimientos prácticos y estrategias prácticas para sortear los riesgos de la IA y garantizar una implantación responsable en contextos empresariales. Abarca conceptos esenciales como la imparcialidad, la parcialidad, la transparencia y el cumplimiento, por lo que es adecuado para una amplia gama de profesionales en el campo de la IA.

El libro ha sido elogiado por su enfoque exhaustivo y práctico, que logra un equilibrio entre los debates técnicos y éticos. Incluye ejemplos reales, fragmentos de código y orientaciones prácticas sobre el uso de las principales herramientas de gobernanza de la IA. Es accesible a un público amplio, incluidos científicos de datos, gestores y responsables políticos, y hace hincapié en un lenguaje neutro en cuanto al género. El enfoque en el cumplimiento y las consideraciones éticas lo hace especialmente relevante en el entorno actual impulsado por los datos.

Algunos lectores pueden encontrar que, aunque el libro es completo, podría abrumar a aquellos con poco conocimiento previo de los conceptos de IA. Además, quienes busquen contenidos técnicos más avanzados podrían encontrar algunas secciones demasiado básicas o introductorias.

(basado en 5 opiniones de lectores)

Título original:

Responsible AI in the Enterprise: Practical AI risk management for explainable, auditable, and safe models with hyperscalers and Azure OpenAI

Contenido del libro:

Construya y despliegue con éxito sus modelos de IA explorando la gobernanza de los modelos, la imparcialidad, el sesgo y los posibles escollos.

La compra del libro impreso o Kindle incluye un libro electrónico PDF gratuito

Características principales

⬤ Aprenda principios éticos de IA, marcos y gobernanza.

⬤ Comprender los conceptos de evaluación de equidad y mitigación de sesgos.

⬤ Introduzca la IA explicable y la transparencia en sus modelos de aprendizaje automático.

Descripción del libro

Responsible AI in the Enterprise es una guía completa para implementar sistemas de IA éticos, transparentes y conformes en una organización. Con un enfoque en la comprensión de los conceptos clave de los modelos de aprendizaje automático, este libro le equipa con técnicas y algoritmos para abordar cuestiones complejas como el sesgo, la imparcialidad y la gobernanza del modelo.

A lo largo del libro, conocerá FairLearn e InterpretML, junto con Google What-If Tool, ML Fairness Gym, IBM AI 360 Fairness tool y Aequitas. Descubrirá varios aspectos de la IA responsable, como la interpretabilidad de modelos, la supervisión y gestión de la desviación de modelos y las recomendaciones de cumplimiento. Obtendrá conocimientos prácticos sobre el uso de herramientas de gobernanza de la IA para garantizar la imparcialidad, la mitigación de sesgos, la explicabilidad, el cumplimiento de la privacidad y la privacidad en un entorno empresarial. Además, explorará los conjuntos de herramientas de interpretabilidad y las medidas de imparcialidad que ofrecen los principales proveedores de IA en la nube, como IBM, Amazon, Google y Microsoft, y descubrirá cómo utilizar FairLearn para la evaluación de la imparcialidad y la mitigación de sesgos. También aprenderá a construir modelos explicables utilizando el resumen de características globales y locales, el modelo sustituto local, los valores de Shapley, las anclas y las explicaciones contrafactuales.

Al final de este libro, estará bien equipado con herramientas y técnicas para crear modelos de aprendizaje automático transparentes y responsables.

Lo que aprenderá:

⬤ Comprender los fundamentos explicables de la IA, los métodos subyacentes y las técnicas.

⬤ Explorar la gobernanza de modelos, incluida la creación de modelos de aprendizaje automático explicables, auditables e interpretables.

⬤ Utilizar el gráfico de dependencia parcial, el resumen de características globales, la expectativa de condición individual y la interacción de características.

⬤ Construir modelos explicables con resumen de características globales y locales, y funciones de influencia en la práctica.

⬤ Diseñar y construir pipelines de aprendizaje automático explicables con transparencia.

⬤ Descubra Microsoft FairLearn y el mercado para diferentes herramientas de AI explicables de código abierto y plataformas en la nube.

A quién va dirigido este libro:

Este libro es para científicos de datos, ingenieros de aprendizaje automático, profesionales de IA, profesionales de TI, partes interesadas de negocios y éticos de IA que son responsables de implementar modelos de IA en sus organizaciones.