Interpretovatelné strojové učení v Pythonu

Kniha vám pomůže vědomě a efektivně pracovat s modely strojového učení. Poskytuje úvod do interpretace strojového učení: odhaluje důležitost tématu, jeho klíčové koncepty a problémy. Jsou zvažovány metody interpretace: modelově agnostická, kotevní a kontrafaktuální, pro vícerozměrné predikce, a také vizualizace konvolučních neuronových sítí. Jsou odhaleny otázky ladění interpretovatelnosti: výběr a konstrukce atributů, oslabení systematického zkreslení a kauzální inference, monotónní omezení, ladění modelů a odolnost vůči antagonismu. Jsou ukázány perspektivy vývoje interpretovatelných modelů strojového učení. Každá kapitola knihy obsahuje podrobné příklady zdrojového kódu v Pythonu. Webové stránky vydavatele obsahují archiv s barevnými ilustracemi. Pro programátory v oblasti strojového učení.