Olvasói vélemények
Összegzés:A könyv átfogó bevezetés a megmagyarázható mesterséges intelligenciába (XAI), amely számos témát, eszközt és technikát tárgyal a gépi tanulási modellek értelmezhetőségének javítására, különösen a Pythont használó szakemberek számára. Foglalkozik a mesterséges intelligencia-alkalmazásokban alkalmazott fekete doboz algoritmusok megértésének szükségességével, és megvizsgálja a mesterséges intelligenciával kapcsolatos etikai megfontolásokat. Néhány olvasó azonban hiányolta a mélységet a fejlett technikák és a megvalósítás részletei tekintetében.
Előnyök:⬤ Átfogó bevezetés az XAI-ba, a gyakorlati alkalmazásokra és eszközökre összpontosítva.
⬤ Számos értelmezési technikát és valós példát tárgyal.
⬤ Minden fejezet végén összefoglalókat, kérdéseket és hivatkozásokat tartalmaz a jobb megértés érdekében.
⬤ Kitér a mesterséges intelligenciával kapcsolatos etikai megfontolásokra és jogi keretekre.
⬤ Jó szervezés és információáramlás, amely az összetett témákat is hozzáférhetővé teszi.
Hátrányok:⬤ Néhány területen nem foglalkozik mélyrehatóan a fejlett technikákkal, ami csalódást okoz azoknak, akik kifinomultabb betekintést szeretnének nyerni.
⬤ Néhány olvasó kritizálja a könyv általános szervezését és felépítését.
⬤ Néhányan nem találták elég izgalmasnak vagy magával ragadónak, és fontolóra vették a visszaküldést.
(12 olvasói vélemény alapján)
Eredeti címe:
Hands-On Explainable AI (XAI) with Python: Interpret, visualize, explain, and integrate reliable AI for fair, secure, and trustworthy AI apps
Könyv tartalma:
Oldja meg a mesterséges intelligencia alkalmazásainak fekete doboz modelljeit, hogy azok tisztességesek, megbízhatóak és biztonságosak legyenek. Ismerkedjen meg az alapelvekkel és eszközökkel, amelyekkel a megmagyarázható mesterséges intelligenciát (XAI) alkalmazásaiban és jelentési felületein alkalmazhatja.
Főbb jellemzők
⬤ Tanuljon megmagyarázható AI eszközöket és technikákat a megbízható AI eredmények feldolgozásához.
⬤ Tudja meg, hogyan ismerje fel, kezelje és kerülje el az AI etikával és elfogultsággal kapcsolatos gyakori problémákat.
⬤ Integrálja a tisztességes AI-t a népszerű alkalmazásokba és jelentési eszközökbe, hogy üzleti értéket nyújtson Python és a kapcsolódó eszközök segítségével.
Könyv leírása
A mesterséges intelligenciával kapcsolatos meglátások hatékony átültetése az üzleti érdekeltek számára gondos tervezést, tervezést és vizualizációs döntéseket igényel. A probléma, a modell, valamint a változók és a megállapítások közötti kapcsolatok leírása gyakran finom, meglepő és technikailag összetett.
A Hands-On Explainable AI (XAI) with Python című könyvben konkrét gyakorlati gépi tanulási Python-projektekkel dolgozhat, amelyek stratégiailag úgy vannak elrendezve, hogy javítsák az AI-eredmények elemzésének megértését. Modelleket fogsz építeni, vizualizációkkal értelmezni az eredményeket, és integrálni fogod az XAI jelentési eszközöket és különböző alkalmazásokat.
XAI-megoldásokat építesz Python, TensorFlow 2, a Google Cloud XAI-platformja, a Google Colaboratory és más keretrendszerek segítségével, hogy megnyisd a gépi tanulási modellek fekete dobozát. A könyv megismertet számos nyílt forráskódú XAI-eszközzel Pythonhoz, amelyeket a gépi tanulási projektek teljes életciklusa során használhat.
Megtanulja, hogyan vizsgálhatja meg a gépi tanulási modellek eredményeit, hogyan tekintheti át a legfontosabb befolyásoló változókat és a változók közötti kapcsolatokat, hogyan észlelheti és kezelheti az elfogultsági és etikai problémákat, és hogyan integrálhatja az előrejelzéseket Python használatával, valamint hogyan támogathatja a gépi tanulási modellek vizualizációját a felhasználó számára megmagyarázható felületekbe.
Ennek a mesterséges intelligencia könyvnek a végére mélyreható ismeretekkel fog rendelkezni az XAI alapfogalmairól.
Amit tanulni fog
⬤ Tervezze az XAI-t a gépi tanulás életciklusának különböző szakaszain keresztül.
⬤ Értékelje a népszerű nyílt forráskódú XAI-alkalmazások erősségeit és gyengeségeit.
⬤ Vizsgálja meg, hogyan lehet felismerni és kezelni az elfogultsági problémákat a gépi tanulási adatokban.
⬤ Tárgyalja az etikai megfontolásokat és eszközöket a gépi tanulási adatokkal kapcsolatos gyakori problémák kezelésére.
⬤ Megosztja az XAI tervezés és vizualizáció legjobb gyakorlatait.
⬤ Magyarázható AI eredmények integrálása Python modellek segítségével.
⬤ A Python XAI eszközkészletek használata a gépi tanulás életciklusaiban az üzleti problémák megoldására.
Kinek szól ez a könyv
Ez a könyv nem bevezetés a Python programozásba vagy a gépi tanulás fogalmaiba. Bizonyos alapismeretekkel és/vagy a gépi tanulási könyvtárakkal, például a scikit-learnnel kapcsolatos tapasztalattal kell rendelkeznie ahhoz, hogy a legtöbbet hozhassa ki ebből a könyvből.
A könyv potenciális olvasói közé tartoznak többek között:
⬤ Szakemberek, akik már használják a Pythont adattudományi, gépi tanulási, kutatási és elemzési célokra.
⬤ Adatelemzők és adattudósok, akik bevezetést szeretnének a megmagyarázható mesterséges intelligencia eszközökbe és technikákba.
⬤ AI projektmenedzserek, akiknek az AI magyarázhatóságának szerződéses és jogi kötelezettségeivel kell szembenézniük a pályázataik átvételi szakaszában.
