Ulteriori informazioni
"Explainability in Federated Learning" offre un'esplorazione completa dell'integrazione dell'IA spiegabile (XAI) nei sistemi di apprendimento federato (FL). Il libro inizia delineando i fondamenti di FL e XAI prima di approfondire la loro intersezione, evidenziando le sfide e i vantaggi dell'interpretabilità in ambienti decentralizzati. Presenta varie tecniche di spiegabilità adattate alla FL, sottolineando la personalizzazione, la gestione di dati eterogenei e il funzionamento in ambienti con risorse limitate. I capitoli chiave affrontano i temi della fiducia, dell'equità e della trasparenza, supportati da casi di studio reali e da strumenti di visualizzazione. Le implicazioni etiche, legali e sociali sono discusse insieme alle prospettive di conflitto. Il libro si conclude con le strategie di benchmarking e le future direzioni di ricerca, rappresentando una guida fondamentale per i ricercatori, gli sviluppatori e i responsabili politici che mirano a costruire modelli FL trasparenti e affidabili.
Info autore
O Dr. Sravanthi Dontu e o Dr. Rohith Vallabhaneni, ambos investigadores de renome com doutoramentos da Universidade de Cumberlands, EUA, são especializados em IA e TI. Os seus conhecimentos abrangem a computação em nuvem, a cibersegurança, a IoT e a engenharia de software. Contribuíram significativamente através de publicações, inovação, liderança e ligações globais.
