Объяснимые модели искусственного интеллекта на Python
В этой книге рассматриваются так называемые модели «черного ящика» для повышения адаптивности, интерпретируемости и объяснимости решений, принимаемых алгоритмами искусственного интеллекта (ИИ), с использованием таких фреймворков, как библиотеки Python XAI, TensorFlow 2.0+, Keras, а также пользовательских фреймворков, использующих оболочки Python. Излагаются основы объяснимости и интерпретируемости моделей, обсуждаются методы и системы для интерпретации линейных, нелинейных моделей и моделей временных рядов, используемых в ИИ. Вы узнаете, как алгоритм ИИ принимает решение и как сделать модель ИИ интерпретируемой и объяснимой, ознакомитесь с моделями глубокого обучения.
Интерпретируемый искусственный интеллект на Python
Книга поможет разобраться в объяснимом искусственном интеллекте (XAI) и современных подходах к интерпретации алгоритмов машинного обучения. Рассматриваются способы анализа решений моделей и методы повышения прозрачности систем искусственного интеллекта.
Объяснение решений моделей машинного обучения
Материал посвящен интерпретации моделей машинного обучения, включая линейные, нелинейные модели и модели временных рядов. Читатель сможет понять, каким образом алгоритмы принимают решения и какие методы позволяют сделать результаты их работы более понятными.
Практическая часть знакомит с XAI в Python, TensorFlow 2.0+, Keras и специализированными библиотеками для объяснения работы моделей. Отдельное внимание уделено моделям глубокого обучения и их интерпретируемости.
