해석 가능한 AI 아제이 탐피 pdf 다운로드를 무료로 제공합니다 AI 기술이 발전하고 활용 사례가 늘어남에 따라 모델이 한 예측의 안전성과 신뢰성을 확보하기 위해 왜 그런 예측에 도달했는지, 또 어떻게 하면 결과가 달라졌을지 설명을 해야 할 상황도 늘어나고 있다
관련 책 pdf 모음
책 소개
지금까지 10년 동안 데이터 및 머신러닝과 함께한 것은 행운이었습니다. 저의 배경은 머신러닝이며 박사 학위는 무선 네트워크에 머신러닝을 적용하는 주제에 중점을 뒀습니다. 저는 5G 셀룰러 네트워크에 강화 학습, 볼록 최적화, 전통 머신러닝 기술 적용을 주제로 한 주요 콘퍼런스 및 저널에 논문을 발표하고 있습니다 박사 과정을 마친 후 데이터 과학자 및 머신러닝 엔지니어로 일하기 시작했고 제조, 소매, 금융 등과 같은 다양한 산업에서 고객을 위한 복잡한 AI 솔루션을 배포하는 경험을 했습니다. 해석 가능한 AI의 중요성을 깨닫고 본격적으로 연구하기 시작한 것도 이 시기입니다. 또한 데이터 과학자, 비즈니스 이해 관계자, 관련 전문가가 머신러닝 모델을 더 깊이 이해할 수 있도록 실제 환경에 해석 가능성 기술을 구현하고 배포하기 시작했습니다. 해석 가능한 AI를 다룬 블로그 포스팅을 작성하고, 강건하고 설명 가능한 AI 시스템을 구축하기 위한 원칙을 준수하는 접근 방식을 제시했습니다. 이 게시물은 다양한 산업 분야의 데이터 과학자, 연구원, 실무자로부터 놀라울 정도로 큰 반응을 얻었습니다. 다양한 AI 및 머신러닝 콘퍼런스에서 이 주제로 발표하기도 했습니다. 콘텐츠를 배포하고 주요 콘퍼런스에서 연설하면서 다음을 배웠습니다.
해석 가능한 AI 아제이 탐피 pdf
1부. 해석 가능성 개요
1장. 소개
1.1 진단+ AI – AI 시스템 예제
1.2 머신러닝 시스템 유형
1.2.1 데이터 표현
1.2.2 지도 학습
1.2.3 비지도 학습
1.2.4 강화 학습
1.2.5 진단+ AI를 위한 머신러닝 시스템
1.3 진단+ AI 구축
1.4 진단+ AI의 문제점
1.4.1 데이터 누출
1.4.2 편향
1.4.3 규제 미준수
1.4.4 (개념) 드리프트
1.5 강건한 진단+ AI 시스템 구축
1.6 해석 가능성 대 설명 가능성
1.6.1 해석 기법 유형
1.7 이 책에서는 무엇을 배우나?
1.7.1 이 책을 읽는 동안 어떤 도구를 사용하게 되는가?
1.7.2 이 책을 읽기 전에 무엇을 알아야 하는가?
요약
2장. 화이트박스 모델
2.1 화이트박스 모델
2.2 진단+ – 당뇨병 진행
2.3 선형 회귀
2.3.1 선형 회귀 해석
2.3.2 선형 회귀의 한계
2.4 결정 트리
2.4.1 결정 트리 해석
2.4.2 결정 트리의 한계
2.5 GAM
2.5.1 회귀 스플라인
2.5.2 진단+ 당뇨병을 위한 GAM
2.5.3 GAM 해석
2.5.4 GAM 한계
2.6 앞으로 살펴볼 블랙박스 모델
요약
2부. 모델 처리 해석
3장. 모델 애그노스틱 기법: 글로벌 해석 가능성
3.1 고등학교 학생 성적 예측기
3.1.1 탐색적 데이터 분석
3.2 트리 앙상블
3.2.1 랜덤 포레스트 훈련
3.3 랜덤 포레스트 해석
3.4 모델 애그노스틱 기법: 글로벌 해석 가능성
3.4.1 부분 의존성 도표
3.4.2 특성 상호작용
요약
4장. 모델 애그노스틱 기법: 로컬 해석 가능성
4.1 진단+ AI: 유방암 진단
4.2 탐색적 데이터 분석
4.3 심층 신경망
4.3.1 데이터 준비
4.3.2 DNN 훈련 및 평가
4.4 DNN 해석
4.5 LIME
4.6 SHAP
4.7 앵커
요약
5장. 돌출 매핑
5.1 진단+ AI: 침습성 관 암종 탐지
5.2 탐색적 데이터 분석
5.3 CNN
5.3.1 데이터 준비
5.3.2 훈련 및 평가
5.4 CNN 해석
5.4.1 확률 풍경
5.4.2 LIME
5.4.3 시각적 귀속 기법
5.5 바닐라 역전파
5.6 유도 역전파
5.7 기타 경사 기반 방법
5.8 Grad-CAM 및 유도 Grad-CAM
5.9 어떤 귀속 기법을 사용해야 할까?
요약
3부. 모델 표현 해석
6장. 레이어와 유닛의 이해
6.1 시각적 이해
6.2 합성곱 신경망: 요약
6.3 망 해부 프레임워크
6.3.1 개념 정의
6.3.2 망 조사
6.3.3 일치 정도 정량화
6.4 레이어 및 유닛 해석
6.4.1 망 해부 실행
6.4.2 개념 식별기
6.4.3 학습 과업별 개념 식별기
6.4.4 개념 식별기 시각화
6.4.5 망 해부의 한계
요약
7장. 의미론적 유사성의 이해
7.1 감정 분석
7.2 탐색적 데이터 분석
7.3 신경 단어 임베딩
7.3.1 원 핫 인코딩
7.3.2 워드투벡
7.3.3 글로브 임베딩
7.3.4 감성 분석 모델
7.4 의미론적 유사성 해석
7.4.1 유사성 측정
7.4.2 PCA
7.4.3 t-SNE
7.4.4 의미론적 유사성 시각화 검증
요약
4부. 공정성과 편향
8장. 공정성과 편향 완화
8.1 성인 소득 예측
8.1.1 탐색적 데이터 분석
8.1.2 예측 모델
8.2 공정성 개념
8.2.1 인구통계학적 동등성
8.2.2 기회와 확률의 평등
8.2.3 기타 공정성 개념
8.3 해석 가능성과 공정성
8.3.1 입력 특성을 통한 차별
8.3.2 표현을 통한 차별
8.4 편향 완화
8.4.1 무지를 통한 공정성
8.4.2 가중치 재설정을 통한 라벨 편향 수정
8.5 데이터 세트용 데이터시트
요약
9장. 설명 가능한 AI로 가는 길
9.1 설명 가능한 AI
9.2 반사실적 설명
요약
부록 A. 준비하기
A.1 파이썬
A.2 깃 코드 저장소
A.3 콘다 환경
A.4 주피터 노트북
A.5 도커
부록 B. 파이토치
B.1 파이토치는 무엇인가?
B.2 파이토치 설치
B.3 텐서
B.3.1 데이터 유형
B.3.2 CPU 및 GPU 텐서
B.3.3 운영
B.4 데이터 세트 및 데이터로더
B.5 모델링
B.5.1 자동 미분
B.5.2 모델 정의
B.5.3 훈련