Practicing Trustworthy Machine Learning
![Język publikacji: angielski Język publikacji: angielski](https://static01.helion.com.pl/global/flagi/1.png)
![Practicing Trustworthy Machine Learning Yada Pruksachatkun, Matthew Mcateer, Subho Majumdar - okładka ebooka](https://static01.helion.com.pl/global/okladki/326x466/e_317r.png)
![Practicing Trustworthy Machine Learning Yada Pruksachatkun, Matthew Mcateer, Subho Majumdar - tył okładki ebooka](https://static01.helion.com.pl/global/okladki-tyl/326x466/e_317r.png)
- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 302
- Dostępne formaty:
-
ePubMobi
Opis ebooka: Practicing Trustworthy Machine Learning
With the increasing use of AI in high-stakes domains such as medicine, law, and defense, organizations spend a lot of time and money to make ML models trustworthy. Many books on the subject offer deep dives into theories and concepts. This guide provides a practical starting point to help development teams produce models that are secure, more robust, less biased, and more explainable.
Authors Yada Pruksachatkun, Matthew McAteer, and Subhabrata Majumdar translate best practices in the academic literature for curating datasets and building models into a blueprint for building industry-grade trusted ML systems. With this book, engineers and data scientists will gain a much-needed foundation for releasing trustworthy ML applications into a noisy, messy, and often hostile world.
You'll learn:
- Methods to explain ML models and their outputs to stakeholders
- How to recognize and fix fairness concerns and privacy leaks in an ML pipeline
- How to develop ML systems that are robust and secure against malicious attacks
- Important systemic considerations, like how to manage trust debt and which ML obstacles require human intervention
Wybrane bestsellery
-
To czwarte, zaktualizowane wydanie znakomitego przewodnika poświęconego zastosowaniu uczenia maszynowego do rozwiązywania rzeczywistych problemów w analizie danych. Dzięki książce dowiesz się wszystkiego, co trzeba wiedzieć o wstępnym przetwarzaniu danych, znajdowaniu kluczowych spostrzeżeń, prog...
Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV
(83.40 zł najniższa cena z 30 dni)83.40 zł
139.00 zł(-40%) -
Dzięki tej książce łatwo przyswoisz teoretyczne podstawy i zaczniesz je płynnie wdrażać w rzeczywistych scenariuszach. Dowiesz się, w jaki sposób myślenie przyczynowe ułatwia rozwiązywanie problemów, i poznasz pojęcia Pearla, takie jak strukturalny model przyczynowy, interwencje, kontrfakty itp. ...
Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko
(65.40 zł najniższa cena z 30 dni)65.40 zł
109.00 zł(-40%) -
Oto zaktualizowane wydanie popularnego przewodnika, dzięki któremu skorzystasz z ponad dwustu sprawdzonych receptur bazujących na najnowszych wydaniach bibliotek Pythona. Wystarczy, że skopiujesz i dostosujesz kod do swoich potrzeb. Możesz też go uruchamiać i testować za pomocą przykładowego zbio...
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
(53.40 zł najniższa cena z 30 dni)53.40 zł
89.00 zł(-40%) -
Oto praktyczny przewodnik po nauce o danych w miejscu pracy. Dowiesz się stąd wszystkiego, co ważne na początku Twojej drogi jako danologa: od osobowości, z którymi przyjdzie Ci pracować, przez detale analizy danych, po matematykę stojącą za algorytmami i uczeniem maszynowym. Nauczysz się myśleć ...
Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym
(41.40 zł najniższa cena z 30 dni)41.40 zł
69.00 zł(-40%) -
Głębokie sieci neuronowe mają niesamowity potencjał. Osiągnięcia ostatnich lat nadały procesom uczenia głębokiego zupełnie nową jakość. Obecnie nawet programiści niezaznajomieni z tą technologią mogą korzystać z prostych i niezwykle skutecznych narzędzi, pozwalających na sprawne implementowanie p...
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
(107.40 zł najniższa cena z 30 dni)107.40 zł
179.00 zł(-40%) -
Książka stanowi kompendium wiedzy na temat tej niesłychanie szybko rozwijającej się i dynamicznie wkraczającej w nasze życie dziedziny. Została napisana tak, aby była przystępna dla osób posiadających podstawowe umiejętności matematyczne. Może stanowić podręcznik dla studentów takich kierunków ja...(29.40 zł najniższa cena z 30 dni)
29.40 zł
49.00 zł(-40%) -
To książka przeznaczona dla inżynierów, którzy chcą stosować systemy uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych. Zaprezentowano w niej systemy ML używane w szybko rozwijających się startupach, a także przedstawiono holistyczne podejście do ich projektowania ― z...
Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy
(53.40 zł najniższa cena z 30 dni)53.40 zł
89.00 zł(-40%) -
Oto pierwszy tom dzieła, które stanowi inspirujące spojrzenie na sztuczną inteligencję. Jego zrozumienie nie wymaga wybitnej znajomości informatyki i matematyki. Książka jest wspaniałą syntezą wczesnych i późniejszych koncepcji, a także technik, przeprowadzoną we frameworku idei, metod i technolo...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
(101.40 zł najniższa cena z 30 dni)101.40 zł
169.00 zł(-40%) -
To praktyczny przewodnik po algorytmach sztucznej inteligencji. Skorzystają z niego programiści i inżynierowie, którzy chcą zrozumieć zagadnienia i algorytmy związane ze sztuczną inteligencją na podstawie praktycznych przykładów i wizualnych wyjaśnień. Książka pokazuje, jak radzić sobie z takimi ...
Algorytmy sztucznej inteligencji. Ilustrowany przewodnik Algorytmy sztucznej inteligencji. Ilustrowany przewodnik
(47.40 zł najniższa cena z 30 dni)47.40 zł
79.00 zł(-40%)
Ebooka "Practicing Trustworthy Machine Learning" przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka "Practicing Trustworthy Machine Learning" posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video "Practicing Trustworthy Machine Learning" zobaczysz:
-
w aplikacjach Ebookpoint i Videopoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych z dostępem do najnowszej wersji Twojej przeglądarki internetowej
Szczegóły ebooka
- ISBN Ebooka:
- 978-10-981-2023-8, 9781098120238
- Data wydania ebooka:
-
2023-01-03
Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@ebookpoint.pl.
- Język publikacji:
- angielski
- Rozmiar pliku ePub:
- 12.5MB
- Rozmiar pliku Mobi:
- 23.1MB
Spis treści ebooka
- Preface
- Implementing Machine Learning in Production
- The Transformer Convergence
- An Explosion of Large and Highly Capable ML Models
- Why We Wrote This Book
- Who This Book Is For
- AI Safety and Alignment
- Use of HuggingFace PyTorch for AI Models
- Foundations
- Conventions Used in This Book
- Using Code Examples
- OReilly Online Learning
- How to Contact Us
- Acknowledgments
- 1. Privacy
- Attack Vectors for Machine Learning Pipelines
- Improperly Implemented Privacy Features
in ML: Case Studies
- Case 1: Apples CSAM
- Case 2: GitHub Copilot
- Case 3: Model and Data Theft from No-Code ML Tools
- Definitions
- Definition of Privacy
- Proxies and Metrics for Privacy
- Adversarial success
- Indistinguishability
- Data similarity
- Accuracy and precision
- Uncertainty
- Information gain/loss
- Time spent
- Legal Definitions of Privacy
- k-Anonymity
- Types of Privacy-Invading Attacks on ML Pipelines
- Membership Attacks
- Model Inversion
- Model Extraction
- Stealing a BERT-Based Language Model
- Defenses Against Model Theft from Output Logits
- Privacy-Testing Tools
- Methods for Preserving Privacy
- Differential Privacy
- Stealing a Differentially Privately Trained Model
- Further Differential Privacy Tooling
- Homomorphic Encryption
- Secure Multi-Party Computation
- SMPC Example
- Further SMPC Tooling
- Federated Learning
- Conclusion
- 2. Fairness and Bias
- Case 1: Social Media
- Case 2: Triaging Patients in Healthcare Systems
- Case 3: Legal Systems
- Key Concepts in Fairness and Fairness-Related Harms
- Individual Fairness
- Parity Fairness
- Calculating Parity Fairness
- Step 1: Dividing your test data into cohorts
- Step 2: Get model performance results
- Step 3: Evaluate for disparity
- Scenario 1: Language Generation
- Scenario 2: Image Captioning
- Fairness Harm Mitigation
- Mitigation Methods in the Pre-Processing Stage
- Mitigation Methods in the In-Processing Stage
- Adversarial bias mitigation
- Regularization
- Mitigation Methods in the Post-Processing Stage
- Fairness Tool Kits
- How Can You Prioritize Fairness in Your Organization?
- Conclusion
- Further Reading
- 3. Model Explainability and Interpretability
- Explainability Versus Interpretability
- The Need for Interpretable and Explainable Models
- A Possible Trade-off Between Explainability and Privacy
- Evaluating the Usefulness of Interpretation or Explanation Methods
- Definitions and Categories
- Black Box
- Global Versus Local Interpretability
- Model-Agnostic Versus Model-Specific Methods
- Interpreting GPT-2
- Methods for Explaining Models and Interpreting Outputs
- Inherently Explainable Models
- Linear regression
- Logistic regression
- Generalized linear model
- Generalized additive models
- Generalized additive models plus interactions
- Symbolic regression
- Support vector machines
- Decision tree
- Decision rules
- Beyond intrinsically interpretable models
- Inherently Explainable Models
- Local Model-Agnostic Interpretability Methods
- Local interpretable model-agnostic explanation
- Deep dive example: LIME on Vision Transformer models
- Shapley and SHAP
- Deep dive example: SHAP on Vision Transformer models
- Global Model-Agnostic Interpretability Methods
- Permutation feature importance
- Global surrogate models
- Prototypes and criticisms
- Explaining Neural Networks
- Saliency Mapping
- Deep Dive: Saliency Mapping with CLIP
- Adversarial Counterfactual Examples
- Overcome the Limitations of Interpretability with a Security Mindset
- Limitations and Pitfalls of Explainable and Interpretable Methods
- Risks of Deceptive Interpretability
- Conclusion
- 4. Robustness
- Evaluating Robustness
- Non-Adversarial Robustness
- Step 1: Apply Perturbations
- Computer vision
- Language
- Step 1: Apply Perturbations
- Step 2: Defining and Applying Constraints
- Natural language processing
- Fluency
- Preserving semantic meaning
- Natural language processing
- Computer vision
- Deep Dive: Word Substitution with Cosine Similarity Constraints
- Adversarial Robustness
- Deep Dive: Adversarial Attacks in Computer Vision
- The HopSkipJump attack on ImageNet
- Deep Dive: Adversarial Attacks in Computer Vision
- Creating Adversarial Examples
- Improving Robustness
- Conclusion
- 5. Secure and Trustworthy Data Generation
- Case 1: Unsecured AWS Buckets
- Case 2: Clearview AI Scraping Photos from Social Media
- Case 3: Improperly Stored Medical Data
- Issues in Procuring Real-World Data
- Using the Right Data for the Modeling Goal
- Consent
- PII, PHI, and Secrets
- Proportionality and Sampling Techniques
- Undescribed Variation
- Unintended Proxies
- Failures of External Validity
- Data Integrity
- Setting Reasonable Expectations
- Tools for Addressing Data Collection Issues
- Getting consent
- Identifying PHI, PII, and other sensitive data
- Proportionality and sampling techniques
- Tracking unintended variation
- Tracking unintended proxies
- Data integrity
- Improperly organized splits
- Setting reasonable expectations
- Synthetically Generated Data
- DALLE, GPT-3, and Synthetic Data
- Improving Pattern Recognition with Synthetic Data
- Process-driven synthetic data
- Data-driven synthetic data
- Deep Dive: Pre-Training a Model with a Process-Driven Synthetic Dataset
- Facial Recognition, Pose Detection, and Human-Centric Tasks
- Object Recognition and Related Tasks
- Environment Navigation
- Unity and Unreal Environments
- Limitations of Synthetic Data in Healthcare
- Limitations of Synthetic Data in NLP
- Self-Supervised Learned Models Versus Giant Natural Datasets
- Repurposing Quality Control Metrics for Security Purposes
- Conclusion
- 6. More State-of-the-Art Research Questions
- Making Sense of Improperly Overhyped Research Claims
- Shallow Human-AI Comparison Antipattern
- Downplaying the Limitations of the Technique Antipattern
- Uncritical PR Piece Antipattern
- Hyperbolic or Just Plain Wrong Antipattern
- Getting Past These Antipatterns
- Making Sense of Improperly Overhyped Research Claims
- Quantized ML
- Tooling for Quantized ML
- Privacy, Bias, Interpretability, and Stability in Quantized ML
- Diffusion-Based Energy Models
- Homomorphic Encryption
- Simulating Federated Learning
- Quantum Machine Learning
- Tooling and Resources for Quantum Machine Learning
- Why QML Will Not Solve Your Regular ML Problems
- Making the Leap from Theory to Practice
- 7. From Theory to Practice
- Part I: Additional Technical Factors
- Causal Machine Learning
- Steps to causal inference
- Tools for causal inference
- Causality and trust
- Causal Machine Learning
- Sparsity and Model Compression
- Pruning
- Sparse training
- Trust elements in sparse models
- Part I: Additional Technical Factors
- Uncertainty Quantification
- Aleatoric uncertainty
- Epistemic uncertainty
- Confidence intervals
- Bootstrap resampling
- Are you certain I can trust you?
- Part II: Implementation Challenges
- Motivating Stakeholders to Develop Trustworthy ML Systems
- Debt management
- Risk management
- Motivating Stakeholders to Develop Trustworthy ML Systems
- Trust Debts
- Technical trust debt
- Ethical debt
- Important Aspects of Trust
- Evaluation and Feedback
- Trustworthiness and MLOps
- Scaling challenges
- Data drift
- Model monitoring and observability
- Techniques
- Anomaly detection
- Change point detection
- Control charts
- Conclusion
- 8. An Ecosystem of Trust
- Tooling
- LiFT
- Datasheets
- Model Cards
- DAG Cards
- Tooling
- Human-in-the-Loop Steps
- Oversight Guidelines
- Stages of Assessment
- Scoping
- Data collection
- Model training
- Model validation
- The Need for a Cross-Project Approach
- MITRE ATLAS
- Benchmarks
- AI Incident Database
- Bug Bounties
- Deep Dive: Connecting the Dots
- Data
- Pre-Processing
- Model Training
- Model Inference
- Trust Components
- Conclusion
- A. Synthetic Data Generation Tools
- B. Other Interpretability and
Explainability Tool Kits
- Interpretable or Fair Modeling Packages
- Other Python Packages for General Explainability
- Index
O'Reilly Media - inne książki
-
Keeping up with the Python ecosystem can be daunting. Its developer tooling doesn't provide the out-of-the-box experience native to languages like Rust and Go. When it comes to long-term project maintenance or collaborating with others, every Python project faces the same problem: how to build re...(201.03 zł najniższa cena z 30 dni)
200.93 zł
239.00 zł(-16%) -
Bringing a deep-learning project into production at scale is quite challenging. To successfully scale your project, a foundational understanding of full stack deep learning, including the knowledge that lies at the intersection of hardware, software, data, and algorithms, is required.This book il...(241.36 zł najniższa cena z 30 dni)
241.26 zł
289.00 zł(-17%) -
Frontend developers have to consider many things: browser compatibility, usability, performance, scalability, SEO, and other best practices. But the most fundamental aspect of creating websites is one that often falls short: accessibility. Accessibility is the cornerstone of any website, and if a...(200.59 zł najniższa cena z 30 dni)
200.09 zł
239.00 zł(-16%) -
In this insightful and comprehensive guide, Addy Osmani shares more than a decade of experience working on the Chrome team at Google, uncovering secrets to engineering effectiveness, efficiency, and team success. Engineers and engineering leaders looking to scale their effectiveness and drive tra...(114.93 zł najniższa cena z 30 dni)
114.88 zł
149.00 zł(-23%) -
Data modeling is the single most overlooked feature in Power BI Desktop, yet it's what sets Power BI apart from other tools on the market. This practical book serves as your fast-forward button for data modeling with Power BI, Analysis Services tabular, and SQL databases. It serves as a starting ...(199.08 zł najniższa cena z 30 dni)
198.88 zł
239.00 zł(-17%) -
C# is undeniably one of the most versatile programming languages available to engineers today. With this comprehensive guide, you'll learn just how powerful the combination of C# and .NET can be. Author Ian Griffiths guides you through C# 12.0 and .NET 8 fundamentals and techniques for building c...(241.02 zł najniższa cena z 30 dni)
240.92 zł
289.00 zł(-17%) -
Learn how to get started with Futures Thinking. With this practical guide, Phil Balagtas, founder of the Design Futures Initiative and the global Speculative Futures network, shows you how designers and futurists have made futures work at companies such as Atari, IBM, Apple, Disney, Autodesk, Luf...(148.10 zł najniższa cena z 30 dni)
148.00 zł
179.00 zł(-17%) -
Augmented Analytics isn't just another book on data and analytics; it's a holistic resource for reimagining the way your entire organization interacts with information to become insight-driven.Moving beyond traditional, limited ways of making sense of data, Augmented Analytics provides a dynamic,...(174.74 zł najniższa cena z 30 dni)
174.54 zł
219.00 zł(-20%) -
Learn how to prepare for—and pass—the Kubernetes and Cloud Native Associate (KCNA) certification exam. This practical guide serves as both a study guide and point of entry for practitioners looking to explore and adopt cloud native technologies. Adrián González Sánchez ...
Kubernetes and Cloud Native Associate (KCNA) Study Guide Kubernetes and Cloud Native Associate (KCNA) Study Guide
(169.14 zł najniższa cena z 30 dni)177.65 zł
199.00 zł(-11%) -
Python is an excellent way to get started in programming, and this clear, concise guide walks you through Python a step at a time—beginning with basic programming concepts before moving on to functions, data structures, and object-oriented design. This revised third edition reflects the gro...(140.34 zł najniższa cena z 30 dni)
140.14 zł
179.00 zł(-22%)
Dzieki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka, którą chcesz zamówić pochodzi z końcówki nakładu. Oznacza to, że mogą się pojawić drobne defekty (otarcia, rysy, zagięcia).
Co powinieneś wiedzieć o usłudze "Końcówka nakładu":
- usługa obejmuje tylko książki oznaczone tagiem "Końcówka nakładu";
- wady o których mowa powyżej nie podlegają reklamacji;
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka drukowana
![Loader](https://static01.helion.com.pl/ebookpoint/img/ajax-loader.gif)
![ajax-loader](https://static01.helion.com.pl/ebookpoint/img/ajax-loader.gif)
Oceny i opinie klientów: Practicing Trustworthy Machine Learning Yada Pruksachatkun, Matthew Mcateer, Subho Majumdar (0)
Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.