مشخصات کتاب

Interpretable AI: Building explainable machine learning systems

ویرایش: [1 ed.] 
نویسندگان: Ajay Thampi  
سری:  
ISBN (شابک) : 161729764X, 9781617297649 
ناشر: Manning Publications 
سال نشر: 2022 
تعداد صفحات: 328
[330] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 21 Mb 

در صورت تبدیل فایل کتاب Interpretable AI: Building explainable machine learning systems به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب هوش مصنوعی قابل تفسیر: ساخت سیستم‌های یادگیری ماشینی قابل توضیح نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب هوش مصنوعی قابل تفسیر: ساخت سیستم‌های یادگیری ماشینی قابل توضیح

هوش مصنوعی نباید یک جعبه سیاه باشد. این تکنیک‌های عملی کمک می‌کنند تا به عملکرد درونی اسرارآمیز مدل شما بتابانند. هوش مصنوعی خود را شفاف‌تر کنید و اعتماد به نتایج خود را بهبود می‌بخشید، با نشت داده‌ها و سوگیری مبارزه می‌کنید و از رعایت الزامات قانونی اطمینان می‌دهید. در Interpretable AI خواهید آموخت: • چرا تفسیر مدل های هوش مصنوعی دشوار است • تفسیر مدل های جعبه سفید مانند رگرسیون خطی، درخت تصمیم و مدل های افزایشی تعمیم یافته • نمودارهای وابستگی جزئی، LIME، SHAP و Anchors، و تکنیک های دیگر مانند نقشه برداری برجسته، کالبد شکافی شبکه، و یادگیری بازنمایی • انصاف چیست و چگونه تعصب در سیستم های هوش مصنوعی را کاهش دهیم • پیاده سازی سیستم های هوش مصنوعی قوی که با GDPR مطابقت دارند هوش مصنوعی قابل تفسیر جعبه سیاه مدل های هوش مصنوعی شما را باز می کند. این تکنیک‌ها و بهترین روش‌های پیشرفته را آموزش می‌دهد که می‌تواند حتی سیستم‌های پیچیده هوش مصنوعی را قابل تفسیر کند. پیاده سازی هر روش فقط با پایتون و کتابخانه های منبع باز آسان است. شما یاد خواهید گرفت که تشخیص دهید چه زمانی می‌توانید از مدل‌هایی استفاده کنید که ذاتاً شفاف هستند و چگونه می‌توانید کدورت را زمانی که مشکل شما به قدرت یک مدل یادگیری عمیق نیاز دارد که تفسیر آن سخت است، کاهش دهید. در مورد تکنولوژی توضیح اینکه چگونه مدل های یادگیری عمیق کار می کنند، حتی برای دانشمندان داده ای که آنها را ایجاد می کنند، اغلب دشوار است. بهبود شفافیت و تفسیرپذیری در مدل‌های یادگیری ماشین، خطاها را به حداقل می‌رساند، سوگیری ناخواسته را کاهش می‌دهد و اعتماد به نتایج را افزایش می‌دهد. این کتاب منحصربه‌فرد شامل تکنیک‌هایی برای نگاه کردن به مدل‌های «جعبه سیاه»، طراحی الگوریتم‌های پاسخگو و درک عواملی است که باعث نتایج ناهموار می‌شوند. در مورد کتاب هوش مصنوعی قابل تفسیر به شما می آموزد که الگوهایی را که مدل شما آموخته است و اینکه چرا نتایج خود را ایجاد می کند، شناسایی کنید. همانطور که مطالعه می کنید، رویکردهای خاص الگوریتم، مانند تفسیر رگرسیون و مدل های افزایشی تعمیم یافته، همراه با نکاتی برای بهبود عملکرد در طول تمرین را انتخاب خواهید کرد. همچنین روش‌هایی را برای تفسیر مدل‌های یادگیری عمیق پیچیده که در آن برخی از فرآیندها به راحتی قابل مشاهده نیستند، کاوش خواهید کرد. شفافیت هوش مصنوعی یک زمینه سریع در حال حرکت است و این کتاب تحقیقات پیشرفته را در مورد روش های عملی که می توانید با پایتون پیاده سازی کنید، ساده می کند. داخلش چیه • تکنیک هایی برای تفسیر مدل های هوش مصنوعی • با خطاهای ناشی از سوگیری، نشت داده ها، و رانش مفهوم مقابله کنید • اندازه گیری انصاف و کاهش تعصب • ساخت سیستم های هوش مصنوعی مطابق با GDPR درباره خواننده برای دانشمندان و مهندسان داده که با پایتون و یادگیری ماشین آشنا هستند. درباره نویسنده Ajay Thampi یک مهندس یادگیری ماشین است که بر هوش مصنوعی و عدالت متمرکز است.

توضیحاتی درمورد کتاب به خارجی

AI doesn’t have to be a black box. These practical techniques help shine a light on your model’s mysterious inner workings. Make your AI more transparent, and you’ll improve trust in your results, combat data leakage and bias, and ensure compliance with legal requirements. In Interpretable AI, you will learn: • Why AI models are hard to interpret • Interpreting white box models such as linear regression, decision trees, and generalized additive models • Partial dependence plots, LIME, SHAP and Anchors, and other techniques such as saliency mapping, network dissection, and representational learning • What fairness is and how to mitigate bias in AI systems • Implement robust AI systems that are GDPR-compliant Interpretable AI opens up the black box of your AI models. It teaches cutting-edge techniques and best practices that can make even complex AI systems interpretable. Each method is easy to implement with just Python and open source libraries. You’ll learn to identify when you can utilize models that are inherently transparent, and how to mitigate opacity when your problem demands the power of a hard-to-interpret deep learning model. About the technology It’s often difficult to explain how deep learning models work, even for the data scientists who create them. Improving transparency and interpretability in machine learning models minimizes errors, reduces unintended bias, and increases trust in the outcomes. This unique book contains techniques for looking inside “black box” models, designing accountable algorithms, and understanding the factors that cause skewed results. About the book Interpretable AI teaches you to identify the patterns your model has learned and why it produces its results. As you read, you’ll pick up algorithm-specific approaches, like interpreting regression and generalized additive models, along with tips to improve performance during training. You’ll also explore methods for interpreting complex deep learning models where some processes are not easily observable. AI transparency is a fast-moving field, and this book simplifies cutting-edge research into practical methods you can implement with Python. What's inside • Techniques for interpreting AI models • Counteract errors from bias, data leakage, and concept drift • Measuring fairness and mitigating bias • Building GDPR-compliant AI systems About the reader For data scientists and engineers familiar with Python and machine learning. About the author Ajay Thampi is a machine learning engineer focused on responsible AI and fairness.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب History And Trends In Bioprocessing And Biotransformation Advances In Biochemical Engineering Biotechnology

دانلود کتاب Sexual Lifestyles in the Twentieth Century: A Research Study

دانلود کتاب Historia do Pensamento Economico

دانلود کتاب Aron Nimzowitsch - Master of Planning

دانلود کتاب The philosophy of future school teachers