机读格式显示(MARC)

• 000 02262nam0 2200325 450

• 001 0000367944

• 005 20240319141928.0

• 010 __ |a 978-7-302-65486-5 |d CNY98.00

• 092 __ |b CIP-84129886693C480586F5844729584813

• 100 __ |a 20240319d2024 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 可解释AI实战 |A ke jie shi AI shi zhan |e PyTorch版 |f (英) 阿杰伊·塔姆佩著 |g 叶伟民 ... [等] 译

• 210 __ |a 北京 |c 清华大学出版社 |d 2024.3

• 215 __ |a xi, 269页 |c 图 |d 24cm

• 304 __ |a 题名页题: 叶伟民, 朱明超, 刘华, 叶孟良, 袁敏译

• 312 __ |a 英文题名原文取自封面

• 314 __ |a 阿杰伊·塔姆佩, 在机器学习领域具有扎实的基础。他的博士研究主要专注于信号处理和机器学习。他发表过许多关于强化学习、凸优化和传统机器学习技术应用于5G移动网络的论文。叶伟民, PDF4AI.cn (国内) 和PDF4AI.com (国外创始人) , PDF4AI使用了本书第2、3、4、7章的技术致力于将高价值数据处理成AI可以精确处理的格式主要服务于投资银行 (基金、私募、量化投资)、翻译、外贸、医疗行业《精通 Neo4j》作者之一。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。刘华 (Kenneth), 著有《猎豹行动: 硝烟中的敏捷转型之旅》和《软件交付那些事儿》等。

• 330 __ |a 本书简化了对透明且可解释的AI的前沿研究, 提供了可以使用Python和开源库轻松实现的实用方法。通过所有主流机器学习方法的示例, 本书展示了一些AI方法不透明的原因, 识别模型学习的模式, 并提供构建公平和无偏见模型的最佳实践。通过阅读本书, 读者将能够在训练期间提高AI的性能, 并构建强大的系统来抵消偏差、数据泄露和概念漂移造成的错误。书中通过简练的语言精炼地解释了为什么人工智能模型难以解释, 什么是白盒模型, 例如线性回归、决策树和广义加法模型, 对部分依赖图、LIME、SHAP、Anchors及如显著性映射、网络剖析和表征学习等技术做了介绍, 并介绍什么是公平性以及如何减轻AI系统中的偏差, 实现符合GDPR的强大AI系统。

• 333 __ |a 本书适用于熟悉Python和机器学习的数据科学家和工程师

• 500 10 |a Interpretable AI : building explainable machine learning systems |m Chinese

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _1 |a 塔姆佩 |A ta mu pei |g (Thampi, Ajay) |4 著

• 702 _0 |a 叶伟民 |A ye wei min |4 译

• 702 _0 |a 朱明超 |A zhu ming chao |4 译

• 702 _0 |a 刘华 |A liu hua |4 译

• 801 _0 |a CN |b 湖北三新 |c 20240319