面向从业者的可解释人工智能

图书信息

作者：(美)迈克尔·蒙恩,(美)大卫·彼得曼著陈志鸿,李广译

出版社：东南大学出版社

定价：128.00

ISBN：9787576609950

出版时间：2024-07-01

分类：图书,行业职业,计算机,工具书

商品介绍

目录

序言

前言

第1章简介

AI的可解释性缘何而生

可解释AI的内涵

谁需要可解释性？

可解释性面临的挑战

可解释性评估

可解释性用法

领英如何使用可解释AI

普华永道使用可解释AI处理汽车保险索赔

埃森哲实验室解释贷款决定

美国国防高级研究计划局使用可解释AI构建“第三次人工智能浪潮”

本章小结

第2章可解释性概述

什么是解释？

可理解性与可解释性

……

内容简介

大多数中级机器学习书籍侧重于介绍如何通过提高准确性或降低预测误差来优化模型。然而，这种方法往往忽视了理解机器学习模型为什么以及如何做出预测的重要性。可解释性方法为更好地理解模型行为提供了必不可少的工具包，这本实用指南汇集了先进的模型可解释性技术。经验丰富的机器学习工程师和数据科学家将通过实践学习这些技术的工作原理，从而能更轻松地在日常工作流程中应用这些工具。

这本重要的图书提供了：

一些非常有用、非常常用的可解释性技术，突出其优缺点，帮助你选择非常适合的工具。

实施这些技术的技巧和好实践。

与可解释性互动的指南，并帮助你避免常见的陷阱。

将可解释性融入机器学习工作流程的知识，帮助构建更稳健的机器学习系统。

关于可解释AI的建议，包括如何将这些技术应用于处理使用表格、图像或文本数据的模型。

使用Keras、TensorFlow2.0、PyTorch和HuggingFace等知名可解释性库构建的模型的Python代码示例。