소득공제
PDF
eBook
머신러닝 리스크 관리 with 파이썬
안정성과 신뢰성 높은 견고한 모델을 구축하는 방법
스마트한 PDF 필기 기능을 사용해 보세요!
- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
이 상품의 태그
소개
목차
|
[1부_ 인공지능 위험관리의 이론과 실제 적용 사례]1장 현대의 머신러닝 위험관리_1.1 법률 및 규제 환경 개요_1.2 권위 있는 모범사례_1.3 AI 사고 _1.4 머신러닝 위험관리를 위한 문화적 역량_1.5 머신러닝 위험관리를 위한 조직 프로세스_1.6 사례 연구: 질로우 아이바잉 사업의 흥망성쇠 _1.7 참고 자료2장 해석 및 설명 가능한 머신러닝_2.1 해석 가능성 및 설명 가능성에 관한 중요 아이디어_2.2 설명 가능한 모델_2.3 사후 설명_2.4 실무에서 사후 설명의 고질적 문제_2.5 설명 가능한 모델과 사후 설명의 결합_2.6 사례 연구: 알고리즘 채점_2.7 참고 자료3장 안전성과 성능을 높이는 머신러닝 시스템 디버깅_3.1 훈련_3.2 모델 디버깅_3.3 배포_3.4 사례 연구: 자율주행차 사망 사고_3.5 참고 자료4장 머신러닝 편향관리_4.1 ISO 및 NIST의 편향 정의_4.2 미국의 머신러닝 편향에 대한 법적 개념 _4.3 머신러닝 시스템의 편향을 경험하는 경향이 있는 사람_4.4 사람들이 경험하는 피해_4.5 편향 테스트_4.6 편향 완화_4.7 사례연구: 편향 버그 바운티_4.8 참고 자료5장 머신러닝 보안_5.1 보안 기초_5.2 머신러닝 공격_5.3 일반적인 머신러닝 보안 문제_5.4 대응책_5.5 사례 연구: 실제 우회 공격_5.6 참고 자료[2부_ 인공지능 위험관리 실행하기]6장 설명 가능한 부스팅 머신과 XGBoost 설명_6.1 개념 복습: 머신러닝 투명성_6.2 일반화가법모형 계열의 설명 가능한 모델_6.3 제약조건과 사후 설명이 있는 XGBoost_6.4 참고 자료7장 파이토치 이미지 분류기_7.1 흉부 엑스레이 분류 설명_7.2 개념 복습: 설명 가능한 모델과 사후 설명 기법_7.3 설명 가능한 모델_7.4 파이토치 이미지 분류기 훈련 및 설명 _7.5 결론_7.6 참고 자료8장 XGBoost 모델 선택 및 디버깅_8.1 개념 복습: 머신러닝 디버깅_8.2 더 좋은 XGBoost 모델 선택하기_8.3 XGBoost 민감도 분석_8.4 XGBoost 잔차 분석_8.5 선택한 모델 개선하기_8.6 결론_8.7 참고 자료9장 파이토치 이미지 분류기 디버깅_9.1 개념 복습: 딥러닝 디버깅_9.2 파이토치 이미지 분류기 디버깅하기_9.3 결론 _9.4 참고 자료10장 XGBoost를 사용한 편향 테스트 및 개선_10.1 개념 복습: 편향관리_10.2 모델 훈련 _10.3 모델의 편향 평가_10.4 편향 개선_10.5 결론_10.6 참고 자료 11장 레드 팀 XGBoost_11.1 개념 복습_11.2 모델 훈련_11.3 레드 팀 공격_11.4 결론_11.5 참고 자료[3부_ 결론]12장 고위험 머신러닝에서 성공하는 방법_12.1 프로젝트 참여 대상_12.2 과학 대 공학 _12.3 발표된 결과와 주장에 대한 평가 _12.4 외부 표준 적용하기_12.5 상식적인 위험완화_12.6 결론_12.7 참고 자료부록 찾아보기
|
저자 소개8
Patrick Hall
BNH.AI의 수석 과학자로 포춘 500대 기업과 최첨단 스타트업에 AI 위험에 관해 자문을 제공하고, NIST의 인공지능 위험관리 프레임워크를 지원하는 연구를 수행하고 있다. 조지 워싱턴 경영대학원의 의사결정과학과 객원 교수로 데이터 윤리와 비즈니스 분석, 머신러닝 강의를 진행하고 있다. BNH를 공동 설립하기 전에는 H2O.ai에서 책임 있는 AI 분야를 이끌면서 머신러닝의 설명 가능성 및 편향성 완화를 위한 세계 최초의 상용 응용 프로그램을 개발했다. 또한 SAS 연구소에서 글로벌 고객 지원 업무와 R&D 업무를 담당했다. 일리노이 대학교에서 계산화학을 전공한 후 노스캐롤라
BNH.AI의 수석 과학자로 포춘 500대 기업과 최첨단 스타트업에 AI 위험에 관해 자문을 제공하고, NIST의 인공지능 위험관리 프레임워크를 지원하는 연구를 수행하고 있다. 조지 워싱턴 경영대학원의 의사결정과학과 객원 교수로 데이터 윤리와 비즈니스 분석, 머신러닝 강의를 진행하고 있다. BNH를 공동 설립하기 전에는 H2O.ai에서 책임 있는 AI 분야를 이끌면서 머신러닝의 설명 가능성 및 편향성 완화를 위한 세계 최초의 상용 응용 프로그램을 개발했다. 또한 SAS 연구소에서 글로벌 고객 지원 업무와 R&D 업무를 담당했다. 일리노이 대학교에서 계산화학을 전공한 후 노스캐롤라이나 주립대학교의 고급 분석 연구소를 졸업했다.
미국 과학, 공학 및 의학 아카데미(National Academies of Science, Engineering, and Medicine), ACM SIGKDD, 합동 통계 회의(Joint Statistical Meetings)에서 설명 가능한 인공지능과 관련 주제로 발표했다. McKinsey.com, 오라일리 레이더(O’Reilly Radar), 톰슨 로이터 규제 인텔리전스(Thompson Reuters Regulatory Intelligence) 등의 매체에 글을 기고했으며, 그의 기술 성과는 [포춘(Fortune)], [와이어드(Wired)], [인포월드(InfoWorld)], [테크크런치(TechCrunch)] 등에 소개되었다.
미국 과학, 공학 및 의학 아카데미(National Academies of Science, Engineering, and Medicine), ACM SIGKDD, 합동 통계 회의(Joint Statistical Meetings)에서 설명 가능한 인공지능과 관련 주제로 발표했다. McKinsey.com, 오라일리 레이더(O’Reilly Radar), 톰슨 로이터 규제 인텔리전스(Thompson Reuters Regulatory Intelligence) 등의 매체에 글을 기고했으며, 그의 기술 성과는 [포춘(Fortune)], [와이어드(Wired)], [인포월드(InfoWorld)], [테크크런치(TechCrunch)] 등에 소개되었다.
James Curtis
솔레아 에너지(Solea Energy)의 정량 분석가(quantitative researcher)로, 통계 예측을 사용해 미국 전력망의 탄소 배출을 감소하는 데 주력하고 있다. 이전에는 금융 서비스 조직, 보험사, 규제기관 및 의료 서비스 제공업체에 더 공정한 인공지능 및 머신러닝 모델을 구축하는 데 도움을 주는 컨설턴트로 활동했다. 콜로라도 광업대학교(Colorado School of Mines)에서 수학 석사학위를 받았다.
Parul Pandey
전기공학을 전공했으며 현재 H2O.ai에서 수석 데이터과학자로 근무하고 있다. 이전에는 Weights & Biases에서 머신러닝 엔지니어로 근무했다. 또한 캐글 노트북 부문의 그랜드 마스터이며, 2019년에는 링크드인(LinkedIn) 소프트웨어 개발 부문에서 최고 목소리(Top Voices) 중 한 명으로 선정되었다. 다양한 출판물에 데이터과학 및 소프트웨어 개발을 주제로 한 여러 기사를 기고했으며, 책임 있는 AI와 관련된 주제에 대해 강연하고 멘토링 및 워크숍을 진행하는 등 활발하게 활동하고 있다.
경희대학교에서 대수학을 전공했으며 고려대학교 정보보호대학원에서 박사 학위를 취득했다. 이후 약 10년간 경찰청 사이버안전국 디지털포렌식센터에서 디지털포렌식 업무를 담당했다. 경찰대학 치안정책연구소에서 데이터 분석을 접한 이후 데이터 분석을 기반으로 한 머신러닝 기술을 연구했고 이 경험을 바탕으로 스타트업에서 인공지능 기반 데이터 분석 업무부터 CCTV용 영상 분석에 이르기까지 다양한 머신러닝 및 인공지능 업무를 수행했다. 현재 모빌리티 보안 전문 업체인 ㈜시옷의 CTO로서 자동차 사이버 보안 및 데이터 분석 솔루션 개발 및 연구를 책임지고 있다.
번역서로는 『보안을 위한
경희대학교에서 대수학을 전공했으며 고려대학교 정보보호대학원에서 박사 학위를 취득했다. 이후 약 10년간 경찰청 사이버안전국 디지털포렌식센터에서 디지털포렌식 업무를 담당했다. 경찰대학 치안정책연구소에서 데이터 분석을 접한 이후 데이터 분석을 기반으로 한 머신러닝 기술을 연구했고 이 경험을 바탕으로 스타트업에서 인공지능 기반 데이터 분석 업무부터 CCTV용 영상 분석에 이르기까지 다양한 머신러닝 및 인공지능 업무를 수행했다. 현재 모빌리티 보안 전문 업체인 ㈜시옷의 CTO로서 자동차 사이버 보안 및 데이터 분석 솔루션 개발 및 연구를 책임지고 있다.
번역서로는 『보안을 위한 효율적인 방법 PKI』(인포북, 2003), 『머신러닝 리스크 관리 with 파이썬』(한빛미디어, 2024)을 비롯해 에이콘출판사에서 출간한 『EnCase 컴퓨터 포렌식』(2015), 『인텔리전스 기반 사고 대응』(2019), 『적대적 머신러닝』(2020), 『사이버 보안을 위한 머신러닝 쿡북』(2021), 『양자 암호 시스템의 시작』(2021), 『스크래치로 배워 보자! 머신러닝』(2022), 『Pandas를 이용한 데이터 분석 실습 2/e』(2022), 『그래프 머신러닝』(2023) 등이 있다.
번역서로는 『보안을 위한 효율적인 방법 PKI』(인포북, 2003), 『머신러닝 리스크 관리 with 파이썬』(한빛미디어, 2024)을 비롯해 에이콘출판사에서 출간한 『EnCase 컴퓨터 포렌식』(2015), 『인텔리전스 기반 사고 대응』(2019), 『적대적 머신러닝』(2020), 『사이버 보안을 위한 머신러닝 쿡북』(2021), 『양자 암호 시스템의 시작』(2021), 『스크래치로 배워 보자! 머신러닝』(2022), 『Pandas를 이용한 데이터 분석 실습 2/e』(2022), 『그래프 머신러닝』(2023) 등이 있다.
장기식의 다른 상품
개발자의 길로 들어선 이후 강산이 세 번 바뀌었고 이제 네 번째도 중반을 넘어섰다. 코딩 자체도 좋아하지만, 다양한 분야의 전문가들로부터 요구사항을 듣고 분석하면서 새로운 지식을 습득하고 체계화하는 것을 즐긴다. 첫 직장에서 경험한 데이터베이스를 시작으로 데이터웨어하우스, 검색엔진, 빅데이터 그리고 인공지능에 이르기까지 여정에서 얻게 된 ‘살아 숨 쉬는 지혜’를 DIKW 이론을 빌려 주변에 설파하고 있다. ‘배운 것 남 주자’를 실천하기 위해 한양대학교 대학원과 학부에서 겸임교수로 ‘새로운 데이터역학을 주도하는 빅데이터시스템과 데이터과학’, ‘자료구조와 알고리즘’을 가르치고 있다
개발자의 길로 들어선 이후 강산이 세 번 바뀌었고 이제 네 번째도 중반을 넘어섰다. 코딩 자체도 좋아하지만, 다양한 분야의 전문가들로부터 요구사항을 듣고 분석하면서 새로운 지식을 습득하고 체계화하는 것을 즐긴다. 첫 직장에서 경험한 데이터베이스를 시작으로 데이터웨어하우스, 검색엔진, 빅데이터 그리고 인공지능에 이르기까지 여정에서 얻게 된 ‘살아 숨 쉬는 지혜’를 DIKW 이론을 빌려 주변에 설파하고 있다. ‘배운 것 남 주자’를 실천하기 위해 한양대학교 대학원과 학부에서 겸임교수로 ‘새로운 데이터역학을 주도하는 빅데이터시스템과 데이터과학’, ‘자료구조와 알고리즘’을 가르치고 있다. 반도체 분야에 적용한 텍스트 마이닝 기반의 DLP 솔루션을 개발했고, ITS를 위한 빅데이터 플랫폼을 설계 및 구축했다. 현재는 모빌리티 보안 전문업체인 ㈜시옷에서 스마트카 보안의 핵심 기술인 vPKI와 이를 활용한 F-OTA, PnC 등의 솔루션 고도화에 매진하고 있다. 번역서로는 『Pandas를 이용한 데이터 분석 실습 2/e』(에이콘출판사, 2022) 등이 있다.
김경환의 다른 상품
고려대학교 정보보호대학원에서 정보보호 분야 박사학위를 취득했다. 삼성그룹, 롯데그룹, KT 그룹 등 대한민국 전자, 유통, 통신 핵심 대기업과 SECUI, Fasoo 등 정보보호 전문업체를 두루 거치면서 34년간 정보보호 실무자부터 정보보호최고책임자(CISO)에 이르기까지 정보보호 분야의 핵심 업무를 두루 경험한 정보보호 전문가다. 2015년 ISC2 2015 Asia Pacific ISLA Award, 2016년 제15회 K-ICT 정보보호대상 특별상, 2018년 제10회 SECURE KOREA 2018 대상, 2020년 소프트웨어 연구개발(R&D) 우수성과 장관상을 수상했다.
고려대학교 정보보호대학원에서 정보보호 분야 박사학위를 취득했다. 삼성그룹, 롯데그룹, KT 그룹 등 대한민국 전자, 유통, 통신 핵심 대기업과 SECUI, Fasoo 등 정보보호 전문업체를 두루 거치면서 34년간 정보보호 실무자부터 정보보호최고책임자(CISO)에 이르기까지 정보보호 분야의 핵심 업무를 두루 경험한 정보보호 전문가다. 2015년 ISC2 2015 Asia Pacific ISLA Award, 2016년 제15회 K-ICT 정보보호대상 특별상, 2018년 제10회 SECURE KOREA 2018 대상, 2020년 소프트웨어 연구개발(R&D) 우수성과 장관상을 수상했다. 현재 모빌리티 보안 전문업체인 (주)시옷에서 부사장으로 근무하며 성균관대학교 과학수사학과 겸임교수, 한국정보보호학회 부회장, 한국디지털포렌식학회 이사 등 정보보호분야에서 활발한 활동을 이어가고 있다.
동국대학교 전자계산학과를 졸업하고 삼성 SDS, KDB산업은행, NH농협손해보험 등 대기업에서 12년간 정보보호 운영, 기획 등의 실무를 역임했다. 삼성그룹 정보보호 전문업체인 SECUI 등 정보보호 솔루션 업체에서 16년간 네트워크 기반 취약점점검 도구, 방화벽, PC 개인정보보호 솔루션, Endpoint 정보유출탐지 솔루션을 개발한 정보보호 분야 개발 전문가다. 현재 모빌리티 보안 전문업체인 ㈜시옷에서 미래 자동차 분야에서 국제표준 Smart 충전방식인 Plug&Charge(PnC) 보안인증 솔루션, Automotive 취약점 점검 솔루션 등의 개발을 담당하는 등 현역으로 활
동국대학교 전자계산학과를 졸업하고 삼성 SDS, KDB산업은행, NH농협손해보험 등 대기업에서 12년간 정보보호 운영, 기획 등의 실무를 역임했다. 삼성그룹 정보보호 전문업체인 SECUI 등 정보보호 솔루션 업체에서 16년간 네트워크 기반 취약점점검 도구, 방화벽, PC 개인정보보호 솔루션, Endpoint 정보유출탐지 솔루션을 개발한 정보보호 분야 개발 전문가다. 현재 모빌리티 보안 전문업체인 ㈜시옷에서 미래 자동차 분야에서 국제표준 Smart 충전방식인 Plug&Charge(PnC) 보안인증 솔루션, Automotive 취약점 점검 솔루션 등의 개발을 담당하는 등 현역으로 활발한 연구개발 활동을 펼치고 있다.
고려대학교 정보보호대학원에서 석사과정을 졸업하고 성균관대학교 일반대학원 컴퓨터공학과에서 박사과정을 수료했다. 글로벌 컨설팅펌인 PwC와 Deloitte를 거쳐, 일본에서 NHN 그룹 보안총괄을 지냈고, 현재 한국의 IT기업에서 CISO/CPO로 재직 중이다. 또한 대통령직속 디지털플랫폼정부위원회 보안분과 전문위원으로도 활동하고 있다.
품목정보
- 발행일
- 2024년 05월 13일
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 11.03MB ?
- 글자 수/ 페이지 수
- 약 551쪽 ?
- ISBN13
- 9791169218153
출판사 리뷰
|
AI 규제법안 시대, 고위험 애플리케이션에서 ML 기술을 책임감 있게 활용하는 방법유럽연합 의회는 인공지능 기술을 안전하고 윤리적으로 사용할 수 있도록 하는 규제법안인 인공지능법(AI Act)을 최근 승인했습니다. 이 법안은 인공지능 시스템의 개발, 배포, 사용에 대한 엄격한 규제를 마련해 인공지능 기술의 잠재적 위험성을 관리하고, 사람 중심의 인공지능 기술 발전을 촉진할 목적으로 제정되었습니다. 이 법안은 인공지능 기술을 ‘허용할 수 없는’ 기술부터 고위험, 중위험, 저위험으로 분류하며 ‘허용할 수 없는’ 기술은 금지합니다.이 책은 저자들이 경험한 실제 사례와 연구 결과를 통해 머신러닝 기술을 고위험 애플리케이션에 성공적으로 적용하는 방법을 보여줍니다. 또한, 유럽연합의 인공지능 규제법안의 주요 내용과 미국 위험관리 프레임워크 관련성을 분석하고 법안 준수를 위한 구체적인 방안을 제시합니다. 주로 다루는 내용은 다음과 같습니다. ㆍ 편향 및 윤리 문제: 모델 개발 과정에서 발생할 수 있는 편향과 윤리 문제 해결 및 완화 방법ㆍ 모델 설명 및 책임감: 고위험 애플리케이션에서 머신러닝 모델의 설명 가능성과 책임감 확보 방법ㆍ 모델 평가 및 검증: 고위험 애플리케이션에서 머신러닝 모델의 성능과 신뢰성 평가 및 검증 방법ㆍ 모델 배포 및 관리: 고위험 애플리케이션에서 머신러닝 모델을 안전하고 효율적으로 배포 및 관리하는 방법주요 내용ㆍ 책임 있는 AI를 위한 기술적 접근 방식 이해하기ㆍ 성공적이고 영향력 있는 AI 위험 관리 사례를 만드는 방법 알아보기ㆍ AI 기술 채택을 위한 기존 표준, 법률 및 평가 관련 기본 가이드 확인하기ㆍ 새로운 NIST AI 위험 관리 프레임워크 살펴보기ㆍ 깃허브 및 코랩의 대화형 리소스 활용하기
|
