CLAIMED：一个用于可信 AI 的视觉化可扩展组件库
机器学习
2021-03-08 v1 应用统计
摘要
深度学习模型日益流行，但可解释性、对抗鲁棒性与公平性方面的约束常是生产部署的主要顾虑。尽管开源生态在应对这些顾虑上十分丰富，但完全集成、端到端的开源系统仍然匮乏。因此我们提供了一个完全开源、可复用组件框架、视觉编辑器及执行引擎，用于基于 Kubernetes 的生产级机器学习，这是 IBM 与巴塞尔大学医院之间的联合成果。它使用 Kubeflow Pipelines、AI Explainability360 工具包、AI Fairness360 工具包及 Adversarial Robustness Toolkit，构建于 ElyraAI、Kubeflow、Kubernetes 和 JupyterLab 之上。利用 Elyra 流水线编辑器，AI 流水线可通过一组 jupyter notebook 以视觉方式开发。
引用
@article{arxiv.2103.03281,
title = {CLAIMED, a visual and scalable component library for Trusted AI},
author = {Romeo Kienzler and Ivan Nesic},
journal= {arXiv preprint arXiv:2103.03281},
year = {2021}
}