Avis des lecteurs
Résumé:Ce livre est un guide complet de l'interprétation des modèles d'apprentissage automatique, accessible aussi bien aux experts qu'aux personnes ayant une formation minimale dans ce domaine. Il explore diverses techniques d'apprentissage supervisé et les méthodes utilisées pour interpréter leurs résultats, tout en abordant les limites de ces techniques d'interprétabilité. Il est particulièrement utile pour les praticiens, les décideurs et toute personne impliquée dans les applications de l'IA, en particulier celles qui ont un impact sur les systèmes critiques de sécurité.
Avantages:⬤ Fournit des exemples clairs et une approche simple pour comprendre les modèles d'apprentissage automatique.
⬤ Utile pour les praticiens, y compris ceux qui n'ont qu'une expertise minimale en apprentissage automatique.
⬤ Couvre à la fois les méthodes classiques et complexes d'interprétation des réseaux neuronaux.
⬤ Aborde des questions essentielles telles que les fuites de données, les biais et la conformité.
⬤ Souligne l'importance de l'interprétabilité des modèles dans les applications critiques pour la sécurité.
⬤ Les lecteurs qui n'ont pas d'expérience en apprentissage automatique pourraient avoir des difficultés avec certains détails techniques.
⬤ Certaines limites des techniques d'interprétabilité sont discutées, mais certains lecteurs pourraient souhaiter des explications plus approfondies.
(basé sur 5 avis de lecteurs)
Titre original :
Interpretable AI: Building Explainable Machine Learning Systems
Contenu du livre :
L'IA interprétable est un guide pratique des techniques d'interprétabilité qui ouvrent la boîte noire de l'IA.
Les modèles d'IA peuvent devenir si complexes que même les experts ont du mal à les comprendre - et oubliez d'expliquer les nuances d'un groupe d'algorithmes novateurs à une partie prenante de l'entreprise ! Interpretable AI est rempli de techniques de pointe qui vous permettront de mieux comprendre le fonctionnement de vos modèles d'IA.
L'IA interprétable est un guide pratique des techniques d'interprétabilité qui ouvrent la boîte noire de l'IA. Ce guide pratique simplifie la recherche de pointe en matière d'IA transparente et explicable, en proposant des méthodes pratiques que vous pouvez facilement mettre en œuvre avec Python et des bibliothèques open source. Avec des exemples tirés des principales approches d'apprentissage automatique, ce livre démontre pourquoi certaines approches de l'IA sont si opaques, vous apprend à identifier les modèles que votre modèle a appris, et présente les meilleures pratiques pour construire des modèles justes et impartiaux.
L'achat du livre imprimé inclut un livre électronique gratuit aux formats PDF, Kindle et ePub de Manning Publications.
Autres informations sur le livre :
| ISBN : | 9781617297649 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2022 |
| Nombre de pages : | 275 |
Achat:
Actuellement disponible, en stock.
