可解释AI实战（PyTorch版）

图书标准信息

• 作者 [英] 阿杰伊·塔姆佩（Ajay Thampi）著 叶伟民、朱明超、刘华、叶孟良、袁敏 译
• 出版社 清华大学出版社
• 出版时间 2021
• 版次 1
• ISBN 9787302654865
• 定价 98.00元
• 装帧 平装
• 开本 16开
• 页数 269页
• 字数 358千字

【内容简介】

对于深度学模型，常常很难解释其工作方式，即使是创建这些模型的数据科学家也不例外。提高机器学模型的透明度和可解释可以优选限度地减少错误，减少意想不到的偏见，增加用户对结果的信任。本书讲述了探索“黑盒”模型机制的技术，提供了设计可靠算法的方法，并揭示了导致结果偏差的各种关键因素。
本书将你识别模型所学到的模式，并解释为何会产生这样的结果。通过阅读本书，你将掌握一些用于解释白盒模型（如线回归和广义可加模型）的方法，以及一些用于解释复杂深度学模型的方法。可解释a!是一个快展的领域，本书将该领域的前沿研究简化为你可以在python中实现的实际方法。

【作者简介】

:
朱明超
    复旦大学研究生，蚂蚁集团大安全算法研究员，负责可信人工智能算法研究，《可解释机器学习》译者，《Python可解释AI（XAI）实战》译者之一。

【目录】

第i部分 可解释基础知识

章 导论3

1.1 diagnostics+ai——ai系统示例3

1.2 机器学系统的类型4

1.2.1 数据的表示4

1.2.2 监督学6

1.2.3 无监督学7

1.2.4 强化学7

1.2.5 适合diagnostics+ai的机器学系统8

1.3 构建diagnostics+ai8

1.4 diagnostics+的主要问题10

1.4.1 数据泄露10

1.4.2 偏见10

1.4.3 监管不合规11

1.4.4 概念漂移11

1.5 如何解决这些主要问题11

……