可解釋AI實戰 (PyTorch版) 阿傑伊.塔姆佩 9787302654865 【台灣高等教育出版社】

圖書均為代購,正常情形下,訂後約兩周可抵台。
物品所在地:中國大陸
原出版社:清華大學
NT$623
商品編號:
供貨狀況: 尚有庫存

此商品參與的優惠活動

加入最愛
商品介紹
*數量非實際在台庫存
*完成訂單後正常情形下約兩周可抵台

*本賣場提供之資訊僅供參考,以到貨標的為實際資訊。
印行年月:202403*若逾兩年請先於私訊洽詢存貨情況,謝謝。
台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。
書名:可解釋AI實戰 (PyTorch版)
ISBN:9787302654865
出版社:清華大學
著編譯者:阿傑伊.塔姆佩
頁數:269
所在地:中國大陸 *此為代購商品
書號:1622096
可大量預訂,請先連絡。

內容簡介

對於深度學習模型,常常很難解釋其工作方式,即使是創建這些模型的數據科學家也不例外。提高機器學習模型的透明度和可解釋性可以最大限度地減少錯誤,減少意想不到的偏見,增加用戶對結果的信任。本書講述了探索「黑盒」模型內部機制的技術,提供了設計可靠演算法的方法,並揭示了導致結果偏差的各種關鍵因素。 本書將教會你識別模型所學習到的模式,並解釋為何會產生這樣的結果。通過閱讀本書,你將掌握一些用於解釋白盒模型(如線性回歸和廣義可加模型)的方法,以及一些用於解釋複雜深度學習模型的方法。可解釋AI是一個快速發展的領域,本書將該領域的前沿研究簡化為你可以在Python中實現的實際方法。

作者簡介

朱明超 復旦大學研究生,螞蟻集團大安全演算法研究員,負責可信人工智慧演算法研究,《可解釋機器學習》譯者,《Python可解釋AI(XAI)實戰》譯者之一。

目錄

第Ⅰ部分 可解釋基礎知識
第1章 導論
1 1 Diagnostics+AI——AI系統示例
1 2 機器學習系統的類型
1 2 1 數據的表示
1 2 2 監督學習
1 2 3 無監督學習
1 2 4 強化學習
1 2 5 最適合Diagnosticst AI的機器學習系統
1 3 構建Diagnostics+AI
1 4 Diagnostics+的主要問題
1 4 1 數據泄露
1 4 2 偏見
1 4 3 監管不合規
1 4 4 概念漂移
1 5 如何解決這些主要問題
1 6 Interpretability與Explainability
1 7 你將在本書學到什麼
1 7 1 本書使用的工具
1 7 2 閱讀本書所需的基礎知識
1 8 本章小結
第2章 白盒模型
2 1 白盒模型概述
2 2 Diagnostics+AI示例:預測糖尿病進展情況
2 3 線性回歸
2 3 1 解釋線性回歸
2 3 2 線性回歸的局限性
2 4 決策樹
2 4 1 解釋決策樹
2 4 2 決策樹的局限性
2 5 廣義可加模型(GAM)
2 5 1 回歸樣條
2 5 2 GAM用於Diagnostics+AI預測糖尿病進展
2 5 3 解釋GAM
2 5 4 GAM的局限性
2 6 展望黑盒模型
2 7 本章小結
第Ⅱ部分 解釋模型處理
第3章 全局與模型無關可解釋技術
3 1 高中生成績預測器
3 2 集成樹
3 3 解釋隨機森林
3 4 模型無關方法:全局可解釋
3 4 1 部分依賴圖
3 4 2 特徵的相互作用
3 5 本章小結
第4章 局部與模型無關可解釋技術
4 1 Diagnostics+AI示例:乳腺癌診斷
4 2 探索性數據分析
4 3 深度神經網路
4 3 1 數據準備
4 3 2 訓練和評估DNN
4 4 解釋DNN
4 5 LIME
4 6 SHAP
4 7 錨定
4 8 本章小結
第5章 顯著圖
5 1 Diagnostics+AI示例:浸潤性導管癌檢測
5 2 探索性數據分析
5 3 卷積神經網路
5 3 1 數據準備
5 3 2 訓練和評估CNN
5 4 解釋CNN
5 4 1 概率分布圖
5 4 2 LIME
5 4 3 視覺歸因法
5 5 標準反向傳播
5 6 導向反向傳播
5 7 其他基於梯度的方法
5 8 Grad-CAM和導向Grad-CAM
5 9 我應該使用哪種歸因法
5 10 本章小結
第Ⅲ部分 解釋模型表示
第6章 理解層和單元
6 1 視覺理解
6 2 國顧卷積神經網路
6 3 神經網路剖析框架
6 3 1 概念定義
6 3 2 網路探測
6 3 3 量化對齊
6 4 解釋層和單元
6 4 1 運行網路剖析
6 4 2 概念檢測器
6 4 3 訓練任務的概念檢測器
6 4 4 可視化概念檢測器
6 4 5 網路剖析的局限性
6 5 本章小結
第7章 理解語義相似性
7 1 情感分析
7 2 探索性數據分析
7 3 神經網路詞嵌入
7 3 1 獨熱編碼
7 3 2 Word2Vec
7 3 3 GloVe嵌入
7 3 4 情感分析模型
7 4 解釋語義相似性
7 4 1 度量相似性
7 4 2 主成分分析(PCA)
7 4 3 t分佈隨機近鄰嵌入(t-SNE)
7 4 4 驗證語義相似性的可視化
7 5 本章小結
第Ⅳ部分 公平和偏見
第8章 公平和減少偏見
8 1 成年人收入預測
8 1 1 探索性數據分析
8 1 2 預測模型
8 2 公平性概念
8 2 1 人口平等
8 2 2 機會和概率平等
8 2 3 其他公平性概念
8 3 可解釋和公平性
8 3 1 源自輸入特徵的歧視
8 3 2 源自表示的歧視
8 4 減少偏見
8 4 1 無意識公平
8 4 2 通過重新加權糾正標註
8 5 數據集的數據表
8 6 本章小結
第9章 XAI
9 1 XAI概述
9 2 反事實說明
9 3 本章小結
附錄A 設置環境
A 1 Python代碼
A 2 Git代碼庫
A 3 Conda環境
A 4 Jupyter notebooks
A 5 Docker
附錄B PyTorch
B 1 什麼是PyTorch
B 2 安裝PyTorch
B 3 張量
B 3 1 數據類型
B 3 2 CPU和GPU張量
B 3 3 運算
B 4 Dataset和DataLoader
B 5 建模
B 5 1 自動微分法
B 5 2 模型定義
B 5 3 訓練
詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於PChome商店街私訊告知ISBN或書號,我們即儘速上架。
規格說明
運送方式
已加入購物車
已更新購物車
網路異常,請重新整理