Raamat aitab teadlikult ja tõhusalt töötada masinõppemudelitega. Antakse sissejuhatus masinõppe tõlgendamisse: avatakse teema tähtsus, selle põhikontseptsioonid ja probleemid. Käsitletakse tõlgendamise meetodeid: mudelikindlad, ankrumeetod ja vastupanu faktide muutmine, mitme muutujaga prognoosimiseks, samuti konvolutsiooniliste neurovõrkude visualiseerimiseks. Avatakse küsimused tõlgendatavuse seadistamisest: tunnuste valik...
ja konstrueerimine, süsteemse kallutatuse nõrgestamine ja põhjuslik järeldamine, monotoonsed piirangud, mudelite seadistamine ja vastupidavus antagonismile. Näidatakse tõlgendatavate masinõppemudelite edendamise perspektiive. Iga raamatu peatükk sisaldab üksikasjalikke näiteid algkoodist Pythonis. Kirjastuse veebisaidil on värviliste illustratsioonidega arhiv. Masinõppe valdkonna programmeerijatele.
Raamat aitab teadlikult ja tõhusalt töötada masinõppemudelitega. Antakse sissejuhatus masinõppe tõlgendamisse: avatakse teema tähtsus, selle põhikontseptsioonid ja probleemid. Käsitletakse tõlgendamise meetodeid: mudelikindlad, ankrumeetod ja vastupanu faktide muutmine, mitme muutujaga prognoosimiseks, samuti konvolutsiooniliste neurovõrkude visualiseerimiseks. Avatakse küsimused tõlgendatavuse seadistamisest: tunnuste valik ja konstrueerimine, süsteemse kallutatuse nõrgestamine ja põhjuslik järeldamine, monotoonsed piirangud, mudelite seadistamine ja vastupidavus antagonismile. Näidatakse tõlgendatavate masinõppemudelite edendamise perspektiive. Iga raamatu peatükk sisaldab üksikasjalikke näiteid algkoodist Pythonis. Kirjastuse veebisaidil on värviliste illustratsioonidega arhiv. Masinõppe valdkonna programmeerijatele.