L'IA explicable pour les praticiens

Préface

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

L'utilisation de l'IA comme outil pour résoudre les défis du monde réel a connu une croissance rapide, rendant ces systèmes omniprésents dans nos vies. De plus en plus, l'apprentissage machine (ML) est utilisé pour soutenir des décisions à fort enjeu et est utilisé dans des applications allant des soins de santé à la conduite autonome. Avec cette croissance, la nécessité de pouvoir expliquer ces systèmes d'IA opaques est devenue encore plus urgente et, dans de nombreux cas, le manque d'explicabilité constitue un obstacle pour les applications où l'interprétabilité est essentielle.

Ce livre est un recueil de certaines des techniques les plus efficaces et les plus couramment utilisées pour expliquer pourquoi un modèle ML fait les prédictions qu'il fait. Nous abordons les nombreux aspects de l'IA explicable (XAI), y compris les défis, les mesures de réussite et les études de cas d'utilisation pour guider les meilleures pratiques. En fin de compte, l'objectif de ce livre est de combler le fossé entre la grande quantité de travail qui a été fait dans le domaine de l'IAX et de fournir une référence rapide pour les praticiens qui visent à mettre en œuvre l'IAX dans leur flux de travail de ML.

Qui devrait lire ce livre ?

La ML et l'IA modernes ont été utilisées pour résoudre des problèmes très complexes du monde réel, et l'explicabilité des modèles ...