Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Making machine learning trustworthy
2021·44 Zitationen·Science
Volltext beim Verlag öffnen44
Zitationen
1
Autoren
2021
Jahr
Abstract
Safety, transparency, and fairness are essential for high-stakes uses of machine learning
Ähnliche Arbeiten
k-ANONYMITY: A MODEL FOR PROTECTING PRIVACY
2002 · 8.402 Zit.
Calibrating Noise to Sensitivity in Private Data Analysis
2006 · 6.895 Zit.
Deep Learning with Differential Privacy
2016 · 5.629 Zit.
Communication-Efficient Learning of Deep Networks from Decentralized\n Data
2016 · 5.595 Zit.
Federated Machine Learning
2019 · 5.581 Zit.
Autoren
Institutionen
Themen
Privacy-Preserving Technologies in DataArtificial Intelligence in Healthcare and EducationAdversarial Robustness in Machine Learning