Hands-On Explainable AI (XAI) with Python: Interprete, visualice, explique e integre IA fiable para aplicaciones de IA justas, seguras y dignas de confianza

Opiniones de los lectores

El libro es una introducción completa a la IA explicable (XAI) que abarca una serie de temas, herramientas y técnicas para mejorar la interpretabilidad de los modelos de aprendizaje automático, en particular para los profesionales que utilizan Python. Aborda la necesidad de entender los algoritmos de caja negra en las aplicaciones de IA y explora las consideraciones éticas en la IA. Sin embargo, algunos lectores consideraron que le faltaba profundidad en cuanto a técnicas avanzadas y detalles de implementación.

⬤ Introducción completa a XAI con un enfoque en aplicaciones prácticas y herramientas.
⬤ Cubre una variedad de técnicas de interpretación y ejemplos del mundo real.
⬤ Proporciona resúmenes, preguntas y referencias al final de cada capítulo para una mejor comprensión.
⬤ Aborda consideraciones éticas y marcos legales relacionados con la IA.
⬤ Buena organización y fluidez de la información, haciendo accesibles los temas complejos.

⬤ Falta profundidad en las técnicas avanzadas en algunas áreas, lo que lleva a la decepción para aquellos que buscan conocimientos más sofisticados.
⬤ Algunos lectores critican la organización general y la fluidez del libro.
⬤ Algunos no lo consideraron lo suficientemente atractivo o emocionante y pensaron en devolverlo.

(basado en 12 opiniones de lectores)

Título original:

Hands-On Explainable AI (XAI) with Python: Interpret, visualize, explain, and integrate reliable AI for fair, secure, and trustworthy AI apps

Contenido del libro:

Resuelva los modelos de caja negra de sus aplicaciones de IA para que sean justas, fiables y seguras. Familiarícese con los principios básicos y las herramientas para desplegar IA explicable (XAI) en sus aplicaciones e interfaces de informes.

Características principales

⬤ Aprenda herramientas y técnicas de IA explicable para procesar resultados de IA fiables.

⬤ Comprender cómo detectar, manejar y evitar problemas comunes con la ética y el sesgo de la IA.

⬤ Integrar la IA justa en aplicaciones populares y herramientas de informes para ofrecer valor empresarial utilizando Python y herramientas asociadas.

Descripción del libro

Traducir eficazmente los conocimientos de la IA a las partes interesadas del negocio requiere una planificación, un diseño y unas opciones de visualización cuidadosos. Describir el problema, el modelo y las relaciones entre las variables y sus conclusiones suele ser sutil, sorprendente y técnicamente complejo.

Hands-On Explainable AI (XAI) with Python le permitirá trabajar con proyectos prácticos específicos de aprendizaje automático en Python, dispuestos estratégicamente para mejorar su comprensión del análisis de los resultados de la IA. Construirás modelos, interpretarás resultados con visualizaciones e integrarás herramientas de informes XAI y diferentes aplicaciones.

Construirá soluciones XAI en Python, TensorFlow 2, la plataforma XAI de Google Cloud, Google Colaboratory y otros marcos para abrir la caja negra de los modelos de aprendizaje automático. El libro le presentará varias herramientas XAI de código abierto para Python que se pueden utilizar durante todo el ciclo de vida del proyecto de aprendizaje automático.

Aprenderá a explorar los resultados de los modelos de aprendizaje automático, a revisar las variables de influencia clave y las relaciones entre variables, a detectar y manejar los sesgos y los problemas éticos, y a integrar las predicciones utilizando Python junto con el apoyo a la visualización de los modelos de aprendizaje automático en interfaces explicables para el usuario.

Al final de este libro de IA, usted poseerá una comprensión profunda de los conceptos centrales de XAI.

Lo que aprenderá

⬤ Planificar la XAI a través de las diferentes etapas del ciclo de vida del aprendizaje automático.

⬤ Estimar los puntos fuertes y débiles de las aplicaciones XAI de código abierto más populares.

⬤ Examinar cómo detectar y manejar los problemas de sesgo en los datos de aprendizaje automático.

⬤ Revisar las consideraciones éticas y las herramientas para abordar los problemas comunes en los datos de aprendizaje automático.

⬤ Compartir las mejores prácticas de diseño y visualización de XAI.

⬤ Integrar resultados explicables de IA usando modelos Python.

⬤ Utilizar conjuntos de herramientas XAI para Python en ciclos de vida de aprendizaje automático para resolver problemas empresariales.

A quién va dirigido este libro

Este libro no es una introducción a la programación Python o conceptos de aprendizaje automático. Usted debe tener algún conocimiento básico y / o experiencia con bibliotecas de aprendizaje automático como scikit-learn para sacar el máximo provecho de este libro.

Algunos de los lectores potenciales de este libro incluyen:

⬤ Profesionales que ya utilizan Python como ciencia de datos, aprendizaje automático, investigación y análisis.

⬤ Analistas de datos y científicos de datos que desean una introducción a herramientas y técnicas de IA explicables.

⬤ Gestores de proyectos de IA que deben enfrentarse a las obligaciones contractuales y legales de la explicabilidad de la IA para la fase de aceptación de sus aplicaciones.