実践XAI[説明可能なAI] 機械学習の予測を説明するためのPythonコーディング電子書籍版

3960円（税込）
初めての方
6回使える！最大70%OFFクーポン
※値引上限等条件あり
詳細・獲得はこちら
初めてではない方
何回でも使える5%OFFクーポン

詳細・獲得はこちら
購入はこちら試し読み
- 本作品について、無料施策・クーポン等の割引施策・PayPayポイント付与の施策を行う予定があります。
  この他にもお得な施策を常時実施中、また、今後も実施予定です。詳しくはこちら。
専門書　コンピューター impress top gearシリーズ
作品内容
XAI Pythonライブラリで予測結果を説明。ブラックボックスからグラスボックスへ。ビジネス上の意思決定につながる機械学習の予測には、解釈・説明が求められます。そこで、そうした解釈・説明を行うための手法を紹介していきます。まず、モデルの説明可能性と解釈可能性の全体像、倫理的に考慮すべき点、生成された予測のバイアスについて説明します。次に、LIME、SHAP、Skater、ELI5、skope-rulesといったPythonライブラリを使って、モデルがなぜそのように予測するのかを探っていきます。予測モデルとして、線形・非線形モデルのほか、アンサンブルモデル、時系列モデル、自然言語処理、ディープラーニング、コンピュータービジョンを取り上げます。本書は解釈・説明のための方法を包括的に取り上げており、機械学習を実際の現場で活用する方にぜひ手に取っていただきたい一冊です。【章構成】第1章　モデルの説明可能性と解釈可能性第2章　AIの倫理、偏見、信頼性第3章　線形モデルの説明可能性第4章　非線形モデルの説明可能性第5章　アンサンブルモデルの説明可能性第6章　時系列モデルの説明可能性第7章　自然言語処理の説明可能性第8章　What-Ifシナリオを使ったモデルの公平性第9章　ディープラーニングモデルの説明可能性第10章　XAIモデルの反実仮想説明第11章　機械学習での対比的説明第12章　予測不変性の特定によるモデル不可知の説明第13章　ルールベースのエキスパートシステムでのモデルの説明可能性第14章　コンピュータビジョンでのモデルの説明可能性◎Pythonの文法・ライブラリや機械学習について標準的な知識を理解している必要があります。