Интерпретируемое машинное обучение на Python

Книга поможет осознанно и эффективно работать с моделями машинного обучения. Дано введение в интерпретацию машинного обучения: раскрыты важность темы, ее ключевые понятия и проблемы. Рассмотрены методы интерпретации: модельно-агностические, якорные и контрфактические, для многопеременного прогнозирования, а также визуализации сверточных нейронных сетей. Раскрыты вопросы настройки на интерпретируемость: отбор и конструирование признаков, ослабление систематического смещения и причинно-следственный вывод, монотонные ограничения, настройка моделей и устойчивость к антагонизму. Показаны перспективы развития интерпретируемых моделей машинного обучения. Каждая глава книги включает подробные примеры исходного кода на языке Python. На сайте издательства размещен архив с цветными иллюстрациями. Научитесь создавать интерпретируемые высокопроизводительные модели на практических примерах из реальной жизни Интерпретируемое машинное обучение, также именуемое объяснимым искуссственным интеллектом (ИИ — explainable AI, XAI), — это постоянно растущее семейство методов, которые можно задействовать для усвоения полезной информации из моделей и для того, чтобы делать их безопасными, объективными и надежными, чего, я надеюсь, мы все хотим для наших моделей.