Recenze čtenářů
Shrnutí:Kniha je komplexním úvodem do vysvětlitelné umělé inteligence (XAI), který pokrývá řadu témat, nástrojů a technik pro zlepšení interpretovatelnosti modelů strojového učení, zejména pro praktiky používající Python. Zabývá se potřebou porozumět algoritmům černé skříňky v aplikacích AI a zkoumá etické aspekty AI. Někteří čtenáři však shledali, že postrádá hloubku, pokud jde o pokročilé techniky a implementační detaily.
Klady:⬤ Komplexní úvod do XAI se zaměřením na praktické aplikace a nástroje.
⬤ Zahrnuje řadu výkladových technik a příkladů z reálného světa.
⬤ Na konci každé kapitoly obsahuje shrnutí, otázky a odkazy pro lepší pochopení.
⬤ Zabývá se etickými aspekty a právními rámci souvisejícími s umělou inteligencí.
⬤ Dobrá organizace a tok informací, díky nimž jsou složitá témata přístupná.
Zápory:⬤ V některých oblastech chybí hloubka pokročilých technik, což vede ke zklamání těch, kteří hledají sofistikovanější poznatky.
⬤ Někteří čtenáři kritizují celkovou organizaci a tok knihy.
⬤ Několik z nich ji považovalo za nedostatečně poutavou nebo vzrušující a zvažovali její vrácení.
(na základě 12 hodnocení čtenářů)
Původní název:
Hands-On Explainable AI (XAI) with Python: Interpret, visualize, explain, and integrate reliable AI for fair, secure, and trustworthy AI apps
Obsah knihy:
Vyřešte modely černých skříněk ve svých aplikacích umělé inteligence, aby byly spravedlivé, důvěryhodné a bezpečné. Seznamte se se základními principy a nástroji pro nasazení vysvětlitelné umělé inteligence (XAI) do vašich aplikací a rozhraní pro reporting.
Klíčové vlastnosti
⬤ Zjistěte, jaké nástroje a techniky vysvětlitelné AI slouží ke zpracování důvěryhodných výsledků AI.
⬤ Pochopte, jak odhalit, zvládnout a vyhnout se běžným problémům s etikou a zaujatostí AI.
⬤ Integrujte férovou AI do oblíbených aplikací a reportovacích nástrojů a poskytněte tak obchodní hodnotu pomocí jazyka Python a souvisejících nástrojů.
Popis knihy
Efektivní přenášení poznatků AI k zainteresovaným stranám v podnikání vyžaduje pečlivé plánování, návrh a volbu vizualizace. Popis problému, modelu a vztahů mezi proměnnými a jejich zjištěními je často jemný, překvapivý a technicky složitý.
V knize Hands-On Explainable AI (XAI) with Python se seznámíte s konkrétními praktickými projekty strojového učení v jazyce Python, které jsou strategicky uspořádány tak, aby zlepšily vaše chápání analýzy výsledků AI. Budete vytvářet modely, interpretovat výsledky pomocí vizualizací a integrovat nástroje pro vytváření zpráv XAI a různé aplikace.
Budete vytvářet řešení XAI v jazyce Python, TensorFlow 2, platformě XAI Google Cloud, Google Colaboratory a dalších frameworcích, které vám pomohou otevřít černou skříňku modelů strojového učení. Kniha vás seznámí s několika open-source nástroji XAI pro Python, které lze využít v celém životním cyklu projektu strojového učení.
Naučíte se, jak zkoumat výsledky modelů strojového učení, přezkoumávat klíčové ovlivňující proměnné a vztahy mezi proměnnými, zjišťovat a řešit zkreslení a etické problémy a integrovat předpovědi pomocí Pythonu spolu s podporou vizualizace modelů strojového učení do uživatelsky vysvětlitelných rozhraní.
Na konci této knihy o umělé inteligenci budete mít hluboké znalosti základních konceptů XAI.
Co se naučíte
⬤ Plánování XAI prostřednictvím různých fází životního cyklu strojového učení.
⬤ Odhadnout silné a slabé stránky populárních open-source aplikací XAI.
⬤ Prozkoumat, jak odhalit a řešit problémy se zkreslením dat strojového učení.
⬤ Přehled etických aspektů a nástrojů pro řešení běžných problémů v datech strojového učení.
⬤ Sdílet osvědčené postupy návrhu a vizualizace XAI.
⬤ Integrujte vysvětlitelné výsledky umělé inteligence pomocí modelů v jazyce Python.
⬤ Používejte sady nástrojů XAI pro Python v životních cyklech strojového učení k řešení obchodních problémů.
Pro koho je tato kniha určena
Tato kniha není úvodem do programování v jazyce Python ani do konceptů strojového učení. Abyste z této knihy vytěžili maximum, musíte mít základní znalosti a/nebo zkušenosti s knihovnami pro strojové učení, jako je scikit-learn.
Mezi potenciální čtenáře této knihy patří:
⬤ Profesionálové, kteří již používají Python pro jako datovou vědu, strojové učení, výzkum a analýzu.
⬤ Datoví analytici a datoví vědci, kteří se chtějí seznámit s vysvětlitelnými nástroji a technikami umělé inteligence.
⬤ Manažeři projektů AI, kteří musí čelit smluvním a právním povinnostem vysvětlitelnosti AI pro fázi přejímky svých aplikací.
