Часть I. Почему так сложно управлять продуктами машинного обучения? И почему тебе должно быть до этого дело? Резюме: вот что я хочу, чтобы вы запомнили об этой серии статей: Управление продуктами машинного обучения сложнее, чем управление обычными программными продуктами, поскольку оно связано с большей неопределенностью и требует не только технических, но и организационных изменений. ML лучше всего подходит для принятия решений или прогнозов. Четко определите проблему, определите..

С момента первой публичной формулировки Общего регламента защиты данных (GDPR) в 2016 году мы стали свидетелями всплеска интереса и работы по темам, связанным с этикой машинного обучения. В настоящее время по всему миру проходят конференции Справедливое, ответственное и прозрачное машинное обучение (FATML) . Недавно выдающиеся специалисты по машинному обучению, статистики , социологи, юристы и философы неоднократно призывали к переоценке практик обработки данных в свете их этических..

Задача установления общего понимания ИИ восходит к спорам о природе интеллекта. В этой статье я делюсь своими исследованиями литературы по основам искусственного интеллекта (ИИ) и его взаимосвязи с интеллектом. Я обрисую, чем ИИ отличается от концепций «естественного» интеллекта, но укоренен в них. Я сделал все возможное, чтобы представить технические концепции в упрощенной и представительной форме. I. Концепции естественного интеллекта Чтобы начать изучение ИИ, мы начнем с..