مجله علمی تفریحی بیبیس
0

دانلود کتاب هوش مصنوعی عملی با استفاده از پایتون – هوش مصنوعی با استفاده از کتابخانه‌ها، افزونه‌ها و چارچوب‌های مبتنی بر پایتون

بازدید 1356
  • عنوان: Practical Explainable AI Using Python /Artificial Intelligence Model Explanations Using Python-based Libraries, Extensions and Frameworks
  • نویسنده: Pradeepta Mishra
  • حوزه: پایتون, برنامه نویسی هوش مصنوعی
  • سال انتشار: 2022
  • تعداد صفحه: 356
  • زبان اصلی انگلیسی
  • نوع فایل: pdf
  • حجم فایل: 16.72 مگابایت

هوش مصنوعی قابل توضیح (XAI) یک نیاز کنونی است زیرا مدل‌های هوش مصنوعی بیشتری در حال تولید هستند تا تصمیمات تجاری ایجاد کنند. بنابراین، بسیاری از کاربران نیز تحت تأثیر این تصمیمات قرار می گیرند. یک کاربر ممکن است تحت تأثیر مطلوب یا نامطلوب قرار گیرد. در نتیجه، دانستن ویژگی‌های کلیدی منجر به این تصمیم‌ها مهم است. اغلب استدلال می شود که مدل های هوش مصنوعی ماهیت کاملاً جعبه سیاه دارند زیرا تصمیمات مدل هوش مصنوعی قابل توضیح نیست، بنابراین پذیرش مدل های هوش مصنوعی در صنعت بسیار کند است. این کتاب تلاشی برای جعبه‌گشایی به اصطلاح مدل‌های جعبه سیاه برای افزایش سازگاری، تفسیرپذیری و توضیح‌پذیری تصمیمات اتخاذ شده توسط الگوریتم‌های هوش مصنوعی با استفاده از چارچوب‌هایی مانند کتابخانه‌های Python XAI، TensorFlow 2.0+، Keras و چارچوب‌های سفارشی با استفاده از پایتون است. لفاف ها. هدف این کتاب توضیح مدل های هوش مصنوعی به زبان ساده با استفاده از چارچوب های ذکر شده در بالا می باشد. تفسیرپذیری و توضیح پذیری مدل محورهای اصلی این کتاب است. فرمول ها و روش های ریاضی وجود دارد که معمولاً برای توضیح تصمیم اتخاذ شده توسط یک مدل هوش مصنوعی استفاده می شود. روش‌ها، کلاس‌ها، چارچوب‌ها و توابع کتابخانه نرم‌افزار و نحوه استفاده از آنها برای توضیح‌پذیری مدل، شفافیت، قابلیت اطمینان، اخلاقیات، تعصب و تفسیرپذیری در اختیار شما قرار خواهد گرفت. اگر یک انسان بتواند دلایل تصمیم گیری شده توسط مدل هوش مصنوعی را درک کند، قدرت بسیار بیشتری به کاربر می دهد تا اصلاحات و توصیه ها را انجام دهد. دو نوع کاربر مختلف وجود دارد: کاربران تجاری و شاغلین. کاربر تجاری می خواهد به زبان ساده و بدون هیچ گونه اصطلاح آماری یا ریاضی قابل توضیح باشد. پزشک می خواهد توضیح پذیری را از نقطه نظر محاسباتی بداند. این کتاب تلاشی است برای متعادل کردن هر دو نیاز در هنگام ایجاد توضیحات.

Explainable artificial intelligent (XAI) is a current need as more and more AI models are in production to generate business decisions. Thus, many users are also getting impacted by these decisions. One user may get favorably or unfavorably impacted. As a result, it’s important to know the key features leading to these decisions. It is often argued that AI models are quite black-box in nature because the AI model’s decisions cannot be explained, hence the adoptability of AI models is quite slow in the industry. This book is an attempt at unboxing the so-called black-box models to increase the adaptability, interpretability, and explainability of the decisions made by AI algorithms using frameworks such as Python XAI libraries, TensorFlow 2.0+, Keras, and custom frameworks using Python Wrappers. The objective of this book is to explain the AI models in simple language using the above mentioned frameworks. Model interpretability and explainability are the key focuses of this book. There are mathematical formulas and methods that are typically used to explain a decision made by an AI model. You will be provided with software library methods, classes, frameworks, and functions and how to use them for model explainability, transparency, reliability, ethics, bias, and interpretability. If a human being can understand the reasons behind the decision made by the AI model, it will give much more power to the user to make amendments and recommendations. There are two different kinds of users: business users and practitioners. The business user wants the explainability in simple language without any statistical or mathematical terms. The practitioner wants to know the explainability from the computational point of view. This book is an attempt at balancing both needs when generating explanations.

این کتاب را میتوانید بصورت رایگان از لینک زیر دانلود نمایید.

Download: Practical Explainable AI Using Python

نظرات کاربران

  •  چنانچه دیدگاه شما توهین آمیز باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.