Descrição
Aprendizado de Máquina Interpretable é um livro dedicado a tornar modelos de aprendizado de máquina e suas decisões interpretáveis. O livro aborda a questão comum de os computadores não explicarem suas previsões, o que pode levar a problemas de confiança e bugs não detectados. Ele explora os conceitos de interpretabilidade e introduz modelos simples como árvores de decisão e regressão linear. O foco está em métodos independentes de modelo, como LIME e valores de Shapley para explicar previsões individuais, e a importância de características por permutação para entender as relações gerais entre características e previsões. O livro também cobre métodos específicos para redes neurais profundas.
Cada método de interpretação é explicado em profundidade, discutindo como funcionam, suas forças e fraquezas, e como interpretá-los. Isso permite que os leitores selecionem e apliquem o método de interpretação mais adequado para suas aplicações de aprendizado de máquina. O livro é recomendado para profissionais de aprendizado de máquina, cientistas de dados, estatísticos e qualquer pessoa interessada em tornar modelos interpretáveis.
O autor, Christoph Molnar, começou a escrever o livro como um projeto paralelo enquanto trabalhava como estatístico. Surpreso com a falta de recursos abrangentes sobre o tema, ele criou este livro para aprofundar seu entendimento e compartilhar insights. O livro se tornou um recurso de referência, citado por pesquisadores e utilizado por estudantes e instrutores. Também foi fundamental na carreira do autor, inspirando seu doutorado e seu trabalho como escritor e consultor.
A 3ª edição inclui atualizações, como novos capítulos sobre LOFO e Ceteris Paribus, introduções reorganizadas, exemplos de dados mais profundos e dicas práticas. O livro é licenciado sob a licença CC BY-NC-SA 4.0.
Detalhes do livro
Abrange métodos independentes de modelo
Inclui métodos para redes neurais profundas
Explica LIME e valores de Shapley
Discute a importância de características por permutação
Fornece discussão crítica sobre métodos
Adequado para profissionais e pesquisadores
A 3ª edição inclui novos capítulos
Licenciado sob CC BY-NC-SA 4.0
Para quem é este livro
- Interpretabilidade de modelos
- Educação em ciência de dados
- Citação em pesquisa
- Aplicação na indústria
- Consultoria
