IA interpretable: creación de sistemas de aprendizaje automático explicables

Opiniones de los lectores

Este libro sirve de guía exhaustiva para interpretar modelos de aprendizaje automático, haciéndolo accesible tanto a expertos como a personas con una formación mínima en este campo. Explora diversas técnicas de aprendizaje supervisado y los métodos utilizados para interpretar sus resultados, al tiempo que aborda las limitaciones de estas técnicas de interpretación. Resulta especialmente útil para profesionales, responsables de la toma de decisiones y cualquier persona implicada en aplicaciones de IA, especialmente las que afectan a sistemas críticos para la seguridad.

⬤ Proporciona ejemplos claros y un enfoque sencillo para comprender los modelos de aprendizaje automático.
⬤ Útil para profesionales, incluidos aquellos con una experiencia mínima en aprendizaje automático.
⬤ Cubre métodos de interpretación de redes neuronales tanto clásicos como complejos.
⬤ Aborda cuestiones vitales como la filtración de datos, los sesgos y el cumplimiento de la normativa.
⬤ Destaca la importancia de la interpretabilidad de modelos en aplicaciones críticas para la seguridad.

⬤ Los lectores sin formación en aprendizaje automático podrían tener dificultades con algunos detalles técnicos.
⬤ Se discuten algunas limitaciones de las técnicas de interpretabilidad, pero podría dejar a algunos lectores con ganas de profundizar.

(basado en 5 opiniones de lectores)

Título original:

Interpretable AI: Building Explainable Machine Learning Systems

Contenido del libro:

Interpretable AI es una guía práctica de técnicas de interpretabilidad que abren la caja negra de la IA.

Los modelos de IA pueden llegar a ser tan complejos que incluso los expertos tienen dificultades para entenderlos, ¡y olvídese de explicar los matices de un grupo de algoritmos novedosos a una parte interesada del negocio! Interpretable AI está repleto de técnicas de vanguardia que mejorarán su comprensión del funcionamiento de sus modelos de IA.

Interpretable AI es una guía práctica de técnicas de interpretabilidad que abren la caja negra de la IA. Esta guía práctica simplifica la investigación de vanguardia en IA transparente y explicable, proporcionando métodos prácticos que puede implementar fácilmente con Python y bibliotecas de código abierto. Con ejemplos de los principales enfoques de aprendizaje automático, este libro demuestra por qué algunos enfoques de la IA son tan opacos, le enseña a identificar los patrones que ha aprendido su modelo y presenta las mejores prácticas para construir modelos justos e imparciales.

La compra del libro impreso incluye un libro electrónico gratuito en formatos PDF, Kindle y ePub de Manning Publications.