دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Yada Pruksachatkun, Matthew McAteer, Subhabrata Majumdar سری: ISBN (شابک) : 9781098120269 ناشر: سال نشر: 2023 تعداد صفحات: 0 زبان: English فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 47 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Practicing Trustworthy Machine Learning (Second Early Release) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تمرین یادگیری ماشینی قابل اعتماد (نسخه اولیه دوم) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
با افزایش استفاده از هوش مصنوعی در حوزههای پرمخاطره مانند پزشکی، حقوق و دفاع، سازمانها زمان و هزینه زیادی را صرف میکنند تا مدلهای ML قابل اعتماد شوند. بسیاری از کتابها در این زمینه به بررسی نظریهها و مفاهیم میپردازند. این راهنما یک نقطه شروع عملی برای کمک به تیمهای توسعه برای تولید مدلهایی ارائه میکند که ایمن، قویتر، کمتر تعصبپذیر و قابل توضیحتر هستند.
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.