0 رای
وضعیت موجودی موجود

قیمت قبلی: 8,160,000 ریال
قیمت: 7,760,000 ریال


Product details

  • ASIN ‏ : ‎ B08PDFXXRL
  • Publisher ‏ : ‎ Packt Publishing; 1st edition (March 26, 2021)
  • Publication date ‏ : ‎ March 26, 2021
  • Language ‏ : ‎ English
  • File size ‏ : ‎ 23465 KB
  • Print length ‏ : ‎ 736 pages


 

جلد معمولی سیاه و سفید_کتاب Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples

Understand the key aspects and challenges of machine learning interpretability, learn how to overcome them with interpretation methods, and leverage them to build fairer, safer, and more reliable models

Key Features

  • Learn how to extract easy-to-understand insights from any machine learning model
  • Become well-versed with interpretability techniques to build fairer, safer, and more reliable models
  • Mitigate risks in AI systems before they have broader implications by learning how to debug black-box models

Book Description

Do you want to understand your models and mitigate risks associated with poor predictions using machine learning (ML) interpretation? Interpretable Machine Learning with Python can help you work effectively with ML models.

The first section of the book is a beginner's guide to interpretability, covering its relevance in business and exploring its key aspects and challenges. You'll focus on how white-box models work, compare them to black-box and glass-box models, and examine their trade-off. The second section will get you up to speed with a vast array of interpretation methods, also known as Explainable AI (XAI) methods, and how to apply them to different use cases, be it for classification or regression, for tabular, time-series, image or text. In addition to the step-by-step code, the book also helps the reader to interpret model outcomes using examples. In the third section, you’ll get hands-on with tuning models and training data for interpretability by reducing complexity, mitigating bias, placing guardrails, and enhancing reliability. The methods you’ll explore here range from state-of-the-art feature selection and dataset debiasing methods to monotonic constraints and adversarial retraining.

By the end of this book, you'll be able to understand ML models better and enhance them through interpretability tuning.

What you will learn

  • Recognize the importance of interpretability in business
  • Study models that are intrinsically interpretable such as linear models, decision trees, and Naïve Bayes
  • Become well-versed in interpreting models with model-agnostic methods
  • Visualize how an image classifier works and what it learns
  • Understand how to mitigate the influence of bias in datasets
  • Discover how to make models more reliable with adversarial robustness
  • Use monotonic constraints to make fairer and safer models

Who this book is for

This book is for data scientists, machine learning developers, and data stewards who have an increasingly critical responsibility to explain how the AI systems they develop work, their impact on decision making, and how they identify and manage bias. Working knowledge of machine learning and the Python programming language is expected.

Table of Contents

  1. Interpretation, Interpretability and Explainability; and why does it all matter?
  2. Key Concepts of Interpretability
  3. Interpretation Challenges
  4. Fundamentals of Feature Importance and Impact
  5. Global Model-Agnostic Interpretation Methods
  6. Local Model-Agnostic Interpretation Methods
  7. Anchor and Counterfactual Explanations
  8. Visualizing Convolutional Neural Networks
  9. Interpretation Methods for Multivariate Forecasting and Sensitivity Analysis
  10. Feature Selection and Engineering for Interpretability
  11. Bias Mitigation and Causal Inference Methods
  12. Monotonic Constraints and Model Tuning for Interpretability
  13. Adversarial Robustness
  14. What's Next for Machine Learning Interpretability?

منابع کتاب جلد معمولی سیاه و سفید_کتاب Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples

جنبه‌ها و چالش‌های کلیدی تفسیرپذیری یادگیری ماشینی را درک کنید، یاد بگیرید چگونه با روش‌های تفسیر بر آنها غلبه کنید، و از آنها برای ساخت مدل‌های منصفانه‌تر، ایمن‌تر و قابل اعتمادتر استفاده کنید.
 
ویژگی های کلیدی
بیاموزید که چگونه از هر مدل یادگیری ماشینی، بینش های قابل درک آسان استخراج کنید
با تکنیک های تفسیرپذیری برای ساختن مدل های منصفانه تر، ایمن تر و قابل اعتمادتر آشنا شوید
با یادگیری نحوه اشکال‌زدایی مدل‌های جعبه سیاه، خطرات را در سیستم‌های هوش مصنوعی کاهش دهید، قبل از اینکه پیامدهای گسترده‌تری داشته باشند.
توضیحات کتاب
آیا می‌خواهید مدل‌های خود را درک کنید و خطرات مرتبط با پیش‌بینی‌های ضعیف را با استفاده از تفسیر یادگیری ماشین (ML) کاهش دهید؟ یادگیری ماشینی قابل تفسیر با پایتون می تواند به شما کمک کند تا با مدل های ML کار کنید.
 
بخش اول کتاب یک راهنمای مبتدی برای تفسیرپذیری است که ارتباط آن در تجارت را پوشش می‌دهد و جنبه‌ها و چالش‌های کلیدی آن را بررسی می‌کند. شما بر نحوه عملکرد مدل‌های جعبه سفید تمرکز خواهید کرد، آنها را با مدل‌های جعبه سیاه و جعبه شیشه‌ای مقایسه می‌کنید و مبادله آنها را بررسی می‌کنید. بخش دوم شما را با طیف وسیعی از روش‌های تفسیر، که به عنوان روش‌های هوش مصنوعی توضیح‌پذیر (XAI) نیز شناخته می‌شود، و نحوه اعمال آن‌ها در موارد استفاده مختلف، چه برای طبقه‌بندی یا رگرسیون، برای جدول‌های سری‌های زمانی، آشنا می‌کند. ، تصویر یا متن علاوه بر کد گام به گام، این کتاب همچنین به خواننده کمک می کند تا نتایج مدل را با استفاده از مثال ها تفسیر کند. در بخش سوم، با کاهش پیچیدگی، کاهش تعصب، قرار دادن نرده‌های محافظ و افزایش قابلیت اطمینان، با مدل‌های تنظیم و داده‌های آموزشی برای تفسیرپذیری آشنا می‌شوید. روش‌هایی که در اینجا بررسی خواهید کرد، از روش‌های انتخاب ویژگی پیشرفته و روش‌های بی‌طرف‌سازی مجموعه داده‌ها تا محدودیت‌های یکنواخت و بازآموزی خصمانه را شامل می‌شود.
 
در پایان این کتاب، می‌توانید مدل‌های ML را بهتر درک کنید و از طریق تنظیم تفسیرپذیری آن‌ها را تقویت کنید.
 
آنچه خواهید آموخت
اهمیت تفسیرپذیری در تجارت را درک کنید
مدل‌هایی را مطالعه کنید که ذاتاً قابل تفسیر هستند، مانند مدل‌های خطی، درخت‌های تصمیم‌گیری، و ساده‌لوحان بیز
در تفسیر مدل ها با روش های مدل-آگنوستیک به خوبی متبحر شوید
نحوه عملکرد یک طبقه‌بندی کننده تصویر و آنچه را که می‌آموزد، تجسم کنید
درک چگونگی کاهش تأثیر سوگیری در مجموعه داده ها
کشف کنید که چگونه می توان مدل ها را با استحکام رقیب قابل اعتمادتر کرد
از محدودیت های یکنواخت برای ساخت مدل های منصفانه تر و ایمن تر استفاده کنید
این کتاب برای چه کسی است
این کتاب برای دانشمندان داده، توسعه دهندگان یادگیری ماشین و مباشران داده است که مسئولیت مهمی در توضیح نحوه عملکرد سیستم های هوش مصنوعی، تأثیر آنها بر تصمیم گیری و نحوه شناسایی و مدیریت سوگیری دارند. دانش کاری یادگیری ماشین و زبان برنامه نویسی پایتون انتظار می رود.
 
فهرست مطالب
تفسیر، تفسیرپذیری و توضیح پذیری؛ و چرا همه چیز مهم است؟
مفاهیم کلیدی تفسیرپذیری
چالش های تفسیر
مبانی اهمیت و تأثیر ویژگی
روشهای تفسیر مدل جهانی-آگنوستیک
روشهای تفسیر مدل محلی-آگنوستیک
لنگر و توضیحات متضاد
تجسم شبکه های عصبی کانولوشنال
روش های تفسیری برای پیش بینی چند متغیره و تحلیل حساسیت
انتخاب ویژگی و مهندسی برای تفسیرپذیری
روشهای کاهش تعصب و استنتاج علی
محدودیت های یکنواخت و تنظیم مدل برای تفسیرپذیری
استحکام خصمانه
بعدی برای تفسیرپذیری یادگیری ماشین چیست؟

نظرات کاربران درباره جلد معمولی سیاه و سفید_کتاب Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples

نظری در مورد این محصول توسط کاربران ارسال نگردیده است.
اولین نفری باشید که در مورد جلد معمولی سیاه و سفید_کتاب Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples نظر می دهد.

ارسال نظر درباره جلد معمولی سیاه و سفید_کتاب Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples

لطفا توجه داشته باشید که ایمیل شما منتشر نخواهد شد.

برچسب های مرتبط با جلد معمولی سیاه و سفید_کتاب Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples

خرید اینترنتی کتاب های زبان اصلی کامپیوتر خرید اینترنتی کتاب های لاتین computer science Computer Simulation

بر اساس سلیقه شما...

  Product details Publisher ‏ : ‎  Pearson; 4t ...
11,900,000 ریال
  Product details Publisher ‏ : ‎  Springer; 1 ...
3,990,000 ریال

codebazan

طراحی و اجرا: فروشگاه ساز سبدخرید