Interpretuojamasis mašininis mokymasis Python kalba

Knyga padės sąmoningai ir efektyviai dirbti su mašininio mokymosi modeliais. Pateiktas įvadas į mašininio mokymosi interpretaciją: atskleistos temos svarba, jos pagrindiniai terminai ir problemos. Aptarti interpretacijos metodai: modelio agnostiniai, akstiniai ir kontrfaktiniai, daugiafunkciniam prognozavimui, taip pat konvoliucinių neuroninių tinklų vizualizavimui. Atveriami klausimai dėl interpretuojamumo nustatymo: požymių atranka ir konstravimas, sisteminio iškraipymo mažinimas ir priežastinis išvedimas, monotoniški apribojimai, modelių nustatymas ir atsparumas antagonizmui. Parodytos interpretuojamų mašininio mokymosi modelių plėtros perspektyvos. Kiekviena knygos skyrius apima išsamius pavyzdžius su šaltinio kodu Python kalba.
Knygos leidyklos svetainėje pateiktas archyvas su spalvotomis iliustracijomis.
Programuotojams, dirbantiems mašininio mokymosi srityje.