Leserbewertungen
Zusammenfassung:Das Buch ist eine umfassende Einführung in erklärbare KI (XAI), die eine Reihe von Themen, Werkzeugen und Techniken zur Verbesserung der Interpretierbarkeit von Modellen des maschinellen Lernens abdeckt, insbesondere für Praktiker, die Python verwenden. Es befasst sich mit der Notwendigkeit, Black-Box-Algorithmen in KI-Anwendungen zu verstehen, und geht auf ethische Überlegungen in der KI ein. Einige Leser fanden jedoch, dass es an Tiefe in Bezug auf fortgeschrittene Techniken und Implementierungsdetails mangelt.
Vorteile:⬤ Umfassende Einführung in XAI mit Schwerpunkt auf praktischen Anwendungen und Werkzeugen.
⬤ Deckt eine Vielzahl von Interpretationstechniken und realen Beispielen ab.
⬤ Bietet Zusammenfassungen, Fragen und Verweise am Ende jedes Kapitels zum besseren Verständnis.
⬤ Behandelt ethische Überlegungen und rechtliche Rahmenbedingungen im Zusammenhang mit KI.
⬤ Gute Organisation und Informationsfluss, macht komplexe Themen zugänglich.
⬤ In einigen Bereichen fehlt es an Tiefe bei fortgeschrittenen Techniken, was zu Enttäuschungen bei denjenigen führt, die anspruchsvollere Erkenntnisse suchen.
⬤ Einige Leser kritisieren die allgemeine Organisation und den Fluss des Buches.
⬤ Einige fanden es nicht fesselnd oder spannend genug und überlegten, es zurückzugeben.
(basierend auf 12 Leserbewertungen)
Originaltitel:
Hands-On Explainable AI (XAI) with Python: Interpret, visualize, explain, and integrate reliable AI for fair, secure, and trustworthy AI apps
Inhalt des Buches:
Lösen Sie die Blackbox-Modelle in Ihren KI-Anwendungen auf, um sie fair, vertrauenswürdig und sicher zu machen. Machen Sie sich mit den grundlegenden Prinzipien und Werkzeugen vertraut, um Explainable AI (XAI) in Ihren Anwendungen und Berichtsschnittstellen einzusetzen.
Key Features
⬤ Lernen Sie erklärbare KI-Tools und Techniken kennen, um vertrauenswürdige KI-Ergebnisse zu verarbeiten.
⬤ Verstehen Sie, wie Sie häufige Probleme mit KI-Ethik und Voreingenommenheit erkennen, behandeln und vermeiden können.
⬤ Integration von fairer KI in gängige Anwendungen und Reporting-Tools, um mit Python und zugehörigen Tools einen geschäftlichen Nutzen zu erzielen.
Buchbeschreibung
Die effektive Übertragung von KI-Erkenntnissen auf Geschäftsinteressenten erfordert eine sorgfältige Planung, Gestaltung und Visualisierungsauswahl. Die Beschreibung des Problems, des Modells und der Beziehungen zwischen den Variablen und ihren Ergebnissen ist oft subtil, überraschend und technisch komplex.
In Hands-On Explainable AI (XAI) with Python arbeiten Sie mit speziellen praktischen Python-Projekten zum maschinellen Lernen, die strategisch angeordnet sind, um Ihr Verständnis für die Analyse von KI-Ergebnissen zu verbessern. Sie werden Modelle erstellen, Ergebnisse mit Visualisierungen interpretieren und XAI-Reporting-Tools und verschiedene Anwendungen integrieren.
Sie werden XAI-Lösungen in Python, TensorFlow 2, der XAI-Plattform von Google Cloud, Google Colaboratory und anderen Frameworks erstellen, um die Blackbox von Machine-Learning-Modellen zu öffnen. Das Buch führt Sie in verschiedene Open-Source-XAI-Tools für Python ein, die während des gesamten Lebenszyklus von Machine-Learning-Projekten verwendet werden können.
Sie werden lernen, wie Sie die Ergebnisse von Machine-Learning-Modellen untersuchen, wichtige Einflussvariablen und Variablenbeziehungen überprüfen, Verzerrungen und ethische Probleme erkennen und behandeln und Vorhersagen mit Python integrieren können, und wie Sie die Visualisierung von Machine-Learning-Modellen in benutzerfreundlichen Schnittstellen unterstützen.
Am Ende dieses KI-Buches werden Sie über ein tiefgreifendes Verständnis der Kernkonzepte von XAI verfügen.
(Was Sie lernen werden)
⬤ Planen Sie XAI in den verschiedenen Phasen des Lebenszyklus des maschinellen Lernens.
⬤ Die Stärken und Schwächen beliebter Open-Source-XAI-Anwendungen einschätzen.
⬤ Untersuchen Sie, wie Sie Verzerrungen in Daten des maschinellen Lernens erkennen und behandeln können.
⬤ Überprüfen Sie ethische Überlegungen und Tools, um häufige Probleme bei maschinellen Lerndaten zu lösen.
⬤ Beste Praktiken für XAI-Design und Visualisierung teilen.
⬤ Erklärbare KI-Ergebnisse mit Python-Modellen integrieren.
⬤ Nutzen Sie XAI-Toolkits für Python im Lebenszyklus des maschinellen Lernens, um Geschäftsprobleme zu lösen.
Für wen ist dieses Buch gedacht?
Dieses Buch ist keine Einführung in die Programmierung mit Python oder in Konzepte des maschinellen Lernens. Sie müssen über ein gewisses Grundwissen und/oder Erfahrung mit Bibliotheken für maschinelles Lernen wie scikit-learn verfügen, um den größten Nutzen aus diesem Buch zu ziehen.
Einige der potenziellen Leser dieses Buches sind:
⬤ Profis, die Python bereits für Data Science, maschinelles Lernen, Forschung und Analyse verwenden.
⬤ Datenanalysten und Datenwissenschaftler, die eine Einführung in erklärbare KI-Tools und -Techniken wünschen.
⬤ KI-Projektmanager, die sich mit den vertraglichen und rechtlichen Verpflichtungen der KI-Erklärbarkeit für die Abnahmephase ihrer Anwendungen auseinandersetzen müssen.
Weitere Daten des Buches:
| ISBN: | 9781800208131 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Kauf:
Derzeit verfügbar, auf Lager.
