دوره آموزشی جهت گیری هوش مصنوعی با استفاده از آمازون SageMaker

هوش مصنوعی (AI) می تواند تعصب عمیقی داشته باشد. این وظیفه دانشمندان و توسعه دهندگان داده است که مطمئن شوند الگوریتم هایشان منصفانه، شفاف و قابل توضیح است. این مسئولیت هنگام ساختن مدل هایی که ممکن است خط مشی را تعیین کند یا مسیر زندگی مردم را شکل دهد، بسیار مهم است. در این دوره، کشا ویلیامز، مهندس نرم‌افزار برنده جایزه، نحوه انحراف هوش مصنوعی با Amazon SageMaker را توضیح می‌دهد. او نشان می دهد که چگونه می توان از SageMaker برای ایجاد یک مدل یادگیری ماشینی پلیسی پیش بینی کننده استفاده کرد که Rekognition و AWS DeepLens را ادغام می کند و یک مدل مبارزه با جرم و جنایت ایجاد می کند که می تواند آنچه را که در یک صحنه زنده اتفاق می افتد "ببیند". با دنبال کردن روند توسعه، می‌توانید بیاموزید که چه چیزی برای ساخت مدلی که از تعصبات فرهنگی رنج نمی‌برد، می‌آید. کشا همچنین نحوه حذف سوگیری در داده‌های آموزشی، آزمایش یک مدل برای انصاف، و ایجاد اعتماد در هوش مصنوعی با ساخت مدل‌های قابل توضیح را مورد بحث قرار می‌دهد.

اهداف یادگیری
بررسی مطالعه موردی مبارزه با جرم و جنایت
اصول اولیه Amazon SageMaker
آماده سازی داده ها
آموزش مدل
ارزیابی مدل
استقرار یک مدل تشخیص چهره در AWS DeepLens
بازیابی داده ها برای مدل با AWS Rekognition
ارسال نقاط داده به یک مدل میزبان SageMaker
بازیابی پیش بینی ها
توضیح دادن مدل های شما