高リスク分野のための機械学習 : 責任あるAI構築のための実践アプローチ
著者
書誌事項
高リスク分野のための機械学習 : 責任あるAI構築のための実践アプローチ
オライリー・ジャパン, 2025.9 , オーム社(発売)
- タイトル読み
-
コウリスク ブンヤ ノ タメ ノ キカイ ガクシュウ : セキニン アル AI コウチク ノ タメ ノ ジッセン アプローチ
並立書誌 全1件
大学図書館所蔵 件 / 全13件
-
該当する所蔵館はありません
- すべての絞り込み条件を解除する
この図書・雑誌をさがす
注記
表現種別: テキスト (ncrcontent), 機器種別: 機器不用 (ncrmedia), キャリア種別: 冊子 (ncrcarrier)
原タイトル:Machine learning for high‐risk applications
文献:章末
内容説明・目次
内容説明
本書は、機械学習モデルがもたらす重大なリスクを軽減し、責任あるＡＩ運用を実現するための実践ガイドです。特に「高リスク」な意思決定が行われる分野、たとえば生体認証による識別、重要インフラの管理、教育、雇用、公共および民間の必須サービス、法執行、移民および国境管理、刑事司法、そして民主的プロセスなどにおける事例を重視しています。本書は三部構成となっており、第１部では実践的なアプリケーションの観点から主要な問題を論じ、第２部で構造化および非構造化データの観点からトピックをさらに深掘りし、実装上の課題や分析手法を具体的に検討します。第３部では現実世界の高リスクな事例をもとに、成功のための実践的な助言を提示します。説明可能性、安全性、バイアス、プライバシーなどの課題に対し、Ｐｙｔｈｏｎベースの実践的ツールを活用した具体的対策を提供し、実務者が主体的にリスクを管理できる指針を提供します。
目次
- 第１部 ＡＩリスクマネジメントの理論と実践的応用（現代の機械学習におけるリスク管理；解釈可能性と説明可能性；機械学習システムの安全性と性能の検証；機械学習におけるバイアスの管理；機械学習のセキュリティ）
- 第２部 ＡＩリスクマネジメントの実践（説明可能なブースティング・マシンおよびＸＧＢｏｏｓｔの説明；ＰｙＴｏｒｃｈを用いた画像分類器の説明；ＸＧＢｏｏｓｔモデルの選択とデバッグ；ＰｙＴｏｒｃｈ画像分類器のデバッグ；ＸＧＢｏｏｓｔによるバイアスのテストと修正；ＸＧＢｏｏｓｔのレッドチーム演習）
- 第３部 結論（高リスクの機械学習で成功する方法）
「BOOKデータベース」 より
