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 در مورد چگونگی حذف سوگیری در داده های آموزشی، آزمایش یک مدل برای انصاف و ایجاد اعتماد در هوش مصنوعی با ساخت مدل های قابل توضیح بحث می کند.

هزینه و کارایی ابر، یادگیری ماشینی و هوش مصنوعی (AI) را در اختیار شرکت‌های بزرگ و کوچک قرار می‌دهد. با خدمات وب آمازون به سازمان خود کمک کنید تا از قدرت خود استفاده کند. این دوره یک رویکرد عملی برای استفاده از AWS برای کاربردهای مبتنی بر هوش مصنوعی در صنایع مختلف، از جمله مراقبت‌های بهداشتی، مالی، اجرای قانون، تولید و آموزش است. مربی دیوید لینتیکوم SageMaker، پلتفرم هوش مصنوعی آمازون را معرفی می کند و موارد استفاده مختلفی را ارائه می دهد که بهترین شیوه ها، ابزارها و تکنیک های فعلی را نشان می دهد. او نشان می دهد که چگونه می توان مدل های یادگیری ماشینی را با SageMaker ساخت و آموزش داد و آنها را در برنامه های دنیای واقعی ادغام کرد. دیوید همچنین با نمایش راه‌حل‌های واقعی AWS، نگرانی‌های مربوط به هوش مصنوعی مانند هزینه و امنیت را برطرف می‌کند.