Это практическое руководство по созданию устойчивых, безопасных и понятных ML-систем. Авторы рассматривают ключевые аспекты разработки надежных моделей: от выявления уязвимостей и предвзятости до оценки прозрачности алгоритмов, защиты от атак и управления долговыми обязательствами в ML-проекте.
Книга помогает понять, как действуют современные подходы к честности, интерпретируемости и безопасности, и показывает, как применять их в реальных условиях — там, где модели сталкиваются с изменчивой средой, шумными данными и человеческими сценариями использования.