Product Details
ISBN 10 : 4839983658
Content Description
AIモデルの透明性と解釈可能性、そして説明可能性の追求は、エラーやバイアスを最小限に抑え、予測結果の信頼性・公平性を高め「責任あるAI」を実現するために重要な分野です。本書では、線形回帰や決定木などのシンプルなホワイトボックスモデルから、深層ニューラルネットワークなどのようなブラックボックスモデルまで、その解釈手法とPythonによる実装を解説。「どのように動作し、予測に至ったのか」に答え、モデルを「解釈可能」にするためのアプローチを網羅的に扱い、そして更に「なぜ、この予測をしたのか」に答え「説明可能なAI」に至るための道を示しています。
目次 : 第1部 解釈可能性の基礎(はじめに/ ホワイトボックスモデル)/ 第2部 モデルの処理の解釈(モデルに依存しない方法:大域的な解釈可能性/ モデルに依存しない方法:局所的な解釈可能性/ 顕著性マップ)/ 第3部 モデルの表現の解釈(層とユニットを理解する/ 意味的な類似性を理解する)/ 第4部 公平性とバイアス(公平性とバイアスの軽減/ 説明可能なAIへの道)/ Appendix 巻末付録(セットアップを行う/ PyTorch/ 日本語版付録 日本語を扱う)
【著者紹介】
AjayThampi : 機械学習に強いバックグラウンドを持っており、博士号は信号処理と機械学習がテーマ。強化学習、凸最適化、5Gセルラーネットワークに適用される古典的な機械学習技術をテーマに、主要なカンファレンスやジャーナルで論文を発表している。現在は、大手テック企業で主に責任あるAIと公平性を専門に機械学習エンジニアとして活躍しており、マイクロソフトのリードデータサイエンティストとして、製造業、小売業、金融業など様々な業界の顧客に対して、複雑なAIソリューションをデプロイする仕事を担当した経験を持つ(本データはこの書籍が刊行された当時に掲載されていたものです)
Customer Reviews
Recommend Items
Feedback
Missing or incorrect information?
Product information of this page .