机器学习在高风险应用中的应用

过去十年见证了人工智能和机器学习（AI/ML）技术的广泛应用。然而，其大规模实施过程中缺乏有效监管，导致了一些本可通过适当风险管理避免的事件和有害后果。在充分实现AI/ML的真正价值之前，从业者必须掌握如何有效降低其风险。

本书阐述了负责任的人工智能（Responsible AI）的实施方法——一个基于风险管理、网络安全、数据隐私及应用社会科学最佳实践的综合框架，旨在提升AI/ML技术、业务流程及文化能力。作者帕特里克·霍尔（Patrick Hall）、詹姆斯·柯蒂斯（James Curtis）和帕鲁尔·潘迪（Parul Pandey）为希望提升组织、消费者及公众AI/ML系统实际效果的数据科学家编写了本指南。

• 学习在可解释性、模型验证与调试、偏见管理、数据隐私及机器学习安全等领域实现负责任人工智能的技术方法
• 学习如何建立一个成功且有影响力的AI风险管理实践
• 获取关于采用人工智能技术的相关标准、法律和评估的入门指南，包括新的NIST人工智能风险管理框架
• 通过GitHub和Colab上的互动资源进行深入探索