来源:程序员书库(ID:CodingBook) 猿妹编译链接:chrome-extension://ikhdkkncnoglghljlkmcimlnlhkeamad/pdf-viewer/web/viewer.html
教育评估、信贷、就业、医疗保健和刑事司法等高风险应用的决策越来越受到数据驱动,并由机器学习模型支持。是机器学习让自动驾驶汽车成为现实。
在过去几年中,机器学习领域取得了飞速的发展,然而,即使这些技术越来越多地融入我们的生活,媒体和学者们还是发现;关于系统可行度的问题,例如,据报道,一个模拟法官决定的机器学习模型对黑人被告存在偏见。同样,据报道,一家大型科技公司进行简历筛选的模型也对女性有偏见。研究表明,用于胸部x光片疾病计算机辅助诊断的机器学习模型更重视图像中的标记,而不是患者的解剖细节,以及屡见不鲜的自动驾驶汽车的死亡事故等。
简而言之,虽然每天都有机器学习算法在某些任务上取得超人表现的新故事,但同样的,每天也有很多机器学习算法出现问题。。因此,越来越多的人希望这些系统具有更大的公平性、安全性等。
机器学习的当前状态是什么,我们如何让它更值得信任?天然成分、卫生制剂和防篡改包装的类似物是什么?机器学习的透明容器、工厂参观和食品标签是什么?机器学习在造福社会方面的作用是什么?
IBM研究员Kush R. Varshney撰写的新书《Trustworthy Machine Learning》就是帮你解答这些问题的。在这本书里,他既不会深入探讨任何一个主题,也不会通过软件代码示例进行工作,但却可以为如何进行现实世界的开发奠定基础。课程内容依赖于一些本科阶段的数学知识以及初级阶段的统计学知识。所以你最好具备一定的统计学基础,最好是从事这个行业的人群。
以下是本书的详细目录:
如果你对这本书感兴趣,可以通过以下地址下载PDF版本:chrome-extension://ikhdkkncnoglghljlkmcimlnlhkeamad/pdf-viewer/web/viewer.html?file=http%3A%2F%2Fwww.trustworthymachinelearning.com%2Ftrustworthymachinelearning.pdf
页面更新:2024-03-12
本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828
© CopyRight 2020-2024 All Rights Reserved. Powered By 71396.com 闽ICP备11008920号-4
闽公网安备35020302034903号