Публикации по теме 'trustworthy-ai'


Когда шум перестает быть шумным? Введение в обнаружение дрейфа
Авторы: Индия Линдси , Томас Шилл , Ли Николл . Цель любой модели машинного обучения — зафиксировать закономерности, присутствующие в данных, и использовать эти закономерности для точного прогнозирования или классификации результатов как для текущих, так и для будущих наблюдений. Представьте, что вам удалось указать максимально точную и обобщающую модель: как вы уверены, что производительность этой развернутой модели будет стабильной и надежной с течением времени? Если данные, к..

Актуальность нечеловеческих ошибок в машинном обучении — краткий обзор
Недавно у меня была прекрасная возможность представить нашу статью Актуальность нечеловеческих ошибок в машинном обучении на первом международном семинаре по оценке ИИ вне метрик (EBeM) , который состоялся в Вене 24 июля 2022 года во время IJCAI-ECAI . 2022». Цель этого поста — предложить краткое и неофициальное резюме нашей статьи и немного расширить презентацию, которую я сделал во время семинара. Но обо всем по порядку: я хочу поблагодарить рецензентов семинара за их полезные и..

Как повысить конфиденциальность в проектах Data Science?
Эта статья была написана командой Substra Foundation. В этой статье блога мы представляем наиболее важные методы повышения конфиденциальности (PET) , которые в настоящее время разрабатываются и используются различными техническими деятелями. Мы кратко объясним их принципы и обсудим их потенциальную взаимодополняемость с Substra Framework. Цель этой статьи — представить потенциальное развитие Substra Framework и возможную интеграцию с другими технологиями . Для более полного..

Является ли Trustworthy AI следующим GDPR?
Является ли Trustworthy AI следующим GDPR? Когда GDPR вот-вот должен был вступить в силу в 2018 году, большие и малые компании спровоцировали безумную борьбу за соблюдение требований. Это также создало много путаницы в отношении того, что компании могут и должны делать, а что они не могут и не должны делать. В частности, небольшие компании, у которых не было ресурсов для найма экспертов в этой области, остались в дураках, угадывая свой путь к соблюдению требований путем проб и ошибок,..