دانلود کتاب Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples – یادگیری ماشینی قابل تفسیر با پایتون: آموزش ساخت مدل‌های با کارایی بالا قابل تفسیر با مثال‌های واقعی در دنیای واقعی

توضیحات

Understand the key aspects and challenges of machine learning interpretability, learn how to overcome them with interpretation methods, and leverage them to build fairer, safer, and more reliable models

Key Features

• Learn how to extract easy-to-understand insights from any machine learning model
• Become well-versed with interpretability techniques to build fairer, safer, and more reliable models
• Mitigate risks in AI systems before they have broader implications by learning how to debug black-box models

Book Description

Do you want to understand your models and mitigate risks associated with poor predictions using machine learning (ML) interpretation? Interpretable Machine Learning with Python can help you work effectively with ML models.

The first section of the book is a beginner’s guide to interpretability, covering its relevance in business and exploring its key aspects and challenges. You’ll focus on how white-box models work, compare them to black-box and glass-box models, and examine their trade-off. The second section will get you up to speed with a vast array of interpretation methods, also known as Explainable AI (XAI) methods, and how to apply them to different use cases, be it for classification or regression, for tabular, time-series, image or text. In addition to the step-by-step code, the book also helps the reader to interpret model outcomes using examples. In the third section, you’ll get hands-on with tuning models and training data for interpretability by reducing complexity, mitigating bias, placing guardrails, and enhancing reliability. The methods you’ll explore here range from state-of-the-art feature selection and dataset debiasing methods to monotonic constraints and adversarial retraining.

By the end of this book, you’ll be able to understand ML models better and enhance them through interpretability tuning.

What you will learn

• Recognize the importance of interpretability in business
• Study models that are intrinsically interpretable such as linear models, decision trees, and Naive Bayes
• Become well-versed in interpreting models with model-agnostic methods
• Visualize how an image classifier works and what it learns
• Understand how to mitigate the influence of bias in datasets
• Discover how to make models more reliable with adversarial robustness
• Use monotonic constraints to make fairer and safer models

Who this book is for

This book is for data scientists, machine learning developers, and data stewards who have an increasingly critical responsibility to explain how the AI systems they develop work, their impact on decision making, and how they identify and manage bias. Working knowledge of machine learning and the Python programming language is expected.

Table of Contents

1. Interpretation, Interpretability and Explainability; and why does it all matter?
2. Key Concepts of Interpretability
3. Interpretation Challenges
4. Fundamentals of Feature Importance and Impact
5. Global Model-Agnostic Interpretation Methods
6. Local Model-Agnostic Interpretation Methods
7. Anchor and Counterfactual Explanations
8. Visualizing Convolutional Neural Networks
9. Interpretation Methods for Multivariate Forecasting and Sensitivity Analysis
10. Feature Selection and Engineering for Interpretability
11. Bias Mitigation and Causal Inference Methods
12. Monotonic Constraints and Model Tuning for Interpretability
13. Adversarial Robustness
14. What’s Next for Machine Learning Interpretability?

————————————————————–

ترجمه ماشینی :

جنبه‌ها و چالش‌های کلیدی تفسیرپذیری یادگیری ماشینی را درک کنید، یاد بگیرید چگونه با روش‌های تفسیر بر آنها غلبه کنید و از آنها برای ساخت مدل‌های منصفانه‌تر، ایمن‌تر و قابل اعتمادتر استفاده کنید

ویژگی‌های کلیدی

• یاد بگیرید چگونه بینش‌های قابل درک را از هر مدل یادگیری ماشینی استخراج کنید
• با تکنیک‌های تفسیرپذیری برای ایجاد منصفانه‌تر، ایمن‌تر و مطمئن‌تر آشنا شوید. مدل‌ها
• با یادگیری نحوه اشکال‌زدایی مدل‌های جعبه سیاه، خطرات را در سیستم‌های هوش مصنوعی کاهش دهید، قبل از اینکه پیامدهای گسترده‌تری داشته باشند.

توضیحات کتاب

آیا می‌خواهید برای درک مدل های خود و کاهش خطرات مرتبط با پیش بینی های ضعیف با استفاده از تفسیر یادگیری ماشینی (ML)؟ یادگیری ماشینی قابل تفسیر با پایتون می‌تواند به شما کمک کند تا به طور موثر با مدل‌های ML کار کنید.

بخش اول کتاب راهنمای مبتدی برای تفسیرپذیری است که ارتباط آن در تجارت را پوشش می‌دهد و جنبه‌ها و چالش‌های کلیدی آن را بررسی می‌کند. شما روی نحوه عملکرد مدل‌های جعبه سفید تمرکز خواهید کرد، آنها را با مدل‌های جعبه سیاه و جعبه شیشه‌ای مقایسه می‌کنید و مبادله آنها را بررسی می‌کنید. بخش دوم شما را با مجموعه وسیعی از روش‌های تفسیر، که به عنوان روش‌های هوش مصنوعی توضیح‌پذیر (XAI) نیز شناخته می‌شود، و نحوه اعمال آن‌ها در موارد استفاده مختلف، چه برای طبقه‌بندی یا رگرسیون، برای جدول‌ها و سری‌های زمانی، آشنا می‌کند. ، تصویر یا متن علاوه بر کد گام به گام، این کتاب همچنین به خواننده کمک می کند تا نتایج مدل را با استفاده از مثال ها تفسیر کند. در بخش سوم، با کاهش پیچیدگی، کاهش تعصب، قرار دادن نرده‌های محافظ و افزایش قابلیت اطمینان، با مدل‌های تنظیم و داده‌های آموزشی برای تفسیرپذیری آشنا خواهید شد. روش‌هایی که در اینجا کاوش خواهید کرد، طیف وسیعی از روش‌های انتخاب ویژگی پیشرفته و روش‌های بی‌طرف‌سازی مجموعه داده‌ها تا محدودیت‌های یکنواخت و بازآموزی خصمانه را شامل می‌شود.

در پایان این کتاب، می‌توانید درک کنید. مدل‌های ML را بهتر می‌کند و آنها را از طریق تنظیم تفسیرپذیری بهبود می‌بخشد.

آنچه یاد خواهید گرفت

• اهمیت تفسیرپذیری در تجارت را بشناسید
• مدل‌هایی را مطالعه کنید که ذاتاً هستند. قابل تفسیر مانند مدل‌های خطی، درخت‌های تصمیم‌گیری، و ساده‌لوحان بیز
• در تفسیر مدل‌ها با روش‌های مدل-آگنوستیک به خوبی متبحر شوید
• تجسم نحوه کار یک طبقه‌بندی‌کننده تصویر و آنچه می‌آموزد. li>
• آشنایی با نحوه کاهش تأثیر سوگیری در مجموعه داده‌ها
  

  ---

   

  tag : دانلود کتاب یادگیری ماشینی قابل تفسیر با پایتون: آموزش ساخت مدل‌های با کارایی بالا قابل تفسیر با مثال‌های واقعی در دنیای واقعی , Download یادگیری ماشینی قابل تفسیر با پایتون: آموزش ساخت مدل‌های با کارایی بالا قابل تفسیر با مثال‌های واقعی در دنیای واقعی , دانلود یادگیری ماشینی قابل تفسیر با پایتون: آموزش ساخت مدل‌های با کارایی بالا قابل تفسیر با مثال‌های واقعی در دنیای واقعی , Download Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples Book , یادگیری ماشینی قابل تفسیر با پایتون: آموزش ساخت مدل‌های با کارایی بالا قابل تفسیر با مثال‌های واقعی در دنیای واقعی دانلود , buy یادگیری ماشینی قابل تفسیر با پایتون: آموزش ساخت مدل‌های با کارایی بالا قابل تفسیر با مثال‌های واقعی در دنیای واقعی , خرید کتاب یادگیری ماشینی قابل تفسیر با پایتون: آموزش ساخت مدل‌های با کارایی بالا قابل تفسیر با مثال‌های واقعی در دنیای واقعی , دانلود کتاب Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples , کتاب Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples , دانلود Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples , خرید Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples , خرید کتاب Interpretable Machine Learning with Python: Learn to build interpretable high-performance models with hands-on real-world examples ,