実践者向けの説明可能なAI

中級レベルの機械学習に関する書籍の多くは、精度を高めたり予測エラーを減らしたりしてモデルを最適化する方法に焦点を当てている。しかし、このアプローチでは、ML モデルが予測を行う理由や方法を理解することの重要性が見過ごされがちだ。

説明可能性のメソッドは、モデルの振る舞いをより深く理解するための重要なツールキットだ。この実践的なガイドでは、モデルの説明可能性に関する最高のテクニックをまとめて紹介している。経験豊富な機械学習エンジニアやデータサイエンティストは、これらのテクニックがどのように機能するかを実践的に学び、日々のワークフローでこれらのツールをより簡単に活用できるようになる。

この必須の書籍では、以下の内容をカバーしています：

• 最も有用で一般的に使用されている説明可能性のテクニックを詳しく紹介し、その長所と短所を強調して、ニーズに最適なツールを選択するのに役立つ
• これらのテクニックを実装するためのヒントとベストプラクティス
• 説明可能性とのインタラクション方法と、よくある落とし穴を回避するためのガイド
• ML ワークフローに説明可能性を取り入れて、より堅牢な ML システムを構築するために必要な知識
• 説明可能な AI テクニックに関するアドバイス。表、画像、テキストデータを消費するモデルにテクニックを適用する方法も含まれる
• Keras および TensorFlow 2.0、PyTorch、HuggingFace で構築されたモデル用に、よく知られた説明可能性ライブラリを使用した Python による実装コードの例