دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Ajay Thampi
سری:
ISBN (شابک) : 9781617297649
ناشر: Manning Publications Co.
سال نشر: 2022
تعداد صفحات:
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 19 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.
هوش مصنوعی قابل تفسیر یک راهنمای عملی برای تکنیک های تفسیرپذیری است که جعبه سیاه هوش مصنوعی را باز می کند. مدلهای هوش مصنوعی میتوانند به قدری پیچیده شوند که حتی متخصصان نیز در درک آنها دچار مشکل شوند - و توضیح نکات ظریف مجموعهای از الگوریتمهای جدید را برای یک ذینفع کسبوکار فراموش کنند! هوش مصنوعی قابل تفسیر مملو از تکنیکهای پیشرفته است که درک شما از نحوه عملکرد مدلهای هوش مصنوعی را بهبود میبخشد. هوش مصنوعی قابل تفسیر یک راهنمای عملی برای تکنیک های تفسیرپذیری است که جعبه سیاه هوش مصنوعی را باز می کند. این راهنمای عملی تحقیقات پیشرفته را در زمینه هوش مصنوعی شفاف و قابل توضیح ساده می کند و روش های عملی را ارائه می دهد که می توانید به راحتی با پایتون و کتابخانه های منبع باز پیاده سازی کنید. این کتاب با نمونههایی از همه رویکردهای اصلی یادگیری ماشینی، نشان میدهد که چرا برخی از رویکردهای هوش مصنوعی بسیار مبهم هستند، به شما میآموزد الگوهایی را که مدل شما آموخته است شناسایی کنید، و بهترین روشها را برای ساخت مدلهای منصفانه و بیطرف ارائه میدهد.
Interpretable AI is a hands-on guide to interpretability techniques that open up the black box of AI. AI models can become so complex that even experts have difficulty understanding them—and forget about explaining the nuances of a cluster of novel algorithms to a business stakeholder! Interpretable AI is filled with cutting-edge techniques that will improve your understanding of how your AI models function. Interpretable AI is a hands-on guide to interpretability techniques that open up the black box of AI. This practical guide simplifies cutting-edge research into transparent and explainable AI, delivering practical methods you can easily implement with Python and open source libraries. With examples from all major machine learning approaches, this book demonstrates why some approaches to AI are so opaque, teaches you to identify the patterns your model has learned, and presents best practices for building fair and unbiased models.