解釈可能なＡＩ　機械学習モデルの解釈手法を実践的に理解する

Ａｊａｙ　Ｔｈａｍｐｉ／著　松田晃一／訳

発売日：2023年9月

ページ数: ３５５ｐ
ISBN: 978-4-8399-8365-9
著者情報: Ｔｈａｍｐｉ，Ａｊａｙ（ＴＨＡＭＰＩ，ＡＪＡＹ）（Ｔｈａｍｐｉ，Ａｊａｙ）
機械学習に強いバックグラウンドを持っており、博士号は信号処理と機械学習がテーマ。強化学習、凸最適化、５Ｇセルラーネットワークに適用される古典的な機械学習技術をテーマに、主要なカンファレンスやジャーナルで論文を発表している。現在は、大手テック企業で主に責任あるＡＩと公平性を専門に機械学習エンジニアとして活躍しており、マイクロソフトのリードデータサイエンティストとして、製造業、小売業、金融業など様々な業界の顧客に対して、複雑なＡＩソリューションをデプロイする仕事を担当した経験を持つ

¥4,983 税込

22 nanacoポイント

ポイントについて

22 セブンマイル

マイルについて

セブン-イレブン受取り(送料無料)

発送目安

発売日（発売日以降は当日）～2日で発送

宅配（送料¥550税込）

発送目安

発売日（発売日以降は当日）～2日で発送

交通状況・天候の影響や注文が集中した場合等、お届けにお時間をいただく場合がございます。

発送目安について

商品説明

ＡＩモデルの透明性と解釈可能性、そして説明可能性の追求は、エラーやバイアスを最小限に抑え、予測結果の信頼性・公平性を高め「責任あるＡＩ」を実現するために重要な分野です。本書では、線形回帰や決定木などのシンプルなホワイトボックスモデルから、深層ニューラルネットワークなどのようなブラックボックスモデルまで、その解釈手法とＰｙｔｈｏｎによる実装を解説。「どのように動作し、予測に至ったのか」に答え、モデルを「解釈可能」にするためのアプローチを網羅的に扱い、そして更に「なぜ、この予測をしたのか」に答え「説明可能なＡＩ」に至るための道を示しています。

『Interpretable AI：Building Explainable Machine Learning Systems』（Ajay Thampi／Manning）の日本語版。

AIモデルの透明性と解釈可能性、そして説明可能性の追求は、エラーやバイアスを最小限に抑え、予測結果の信頼性・公平性を高め「責任あるAI」を実現するために重要な分野です。
本書では、線形回帰や決定木などのシンプルなホワイトボックスモデルから、深層ニューラルネットワークなどのようなブラックボックスモデルまで、その解釈手法とPythonによる実装を解説。「どのように動作し、予測に至ったのか」に答え、モデルを「解釈可能」にするためのアプローチを網羅的に扱い、そして更に「なぜ、この予測をしたのか」に答え「説明可能なAI」に至るための道を示しています。

【日本語版特別付録】
本書の第7章では、英語を対象とした、テキストからの特徴量の抽出を扱っています。
日本語版には、この処理を日本語に適用する方法を解説した『付録C 日本語版付録　日本語を扱う』を収録しています。

【Contents】
第1部解釈可能性の基礎
　第1章はじめに
　第2章ホワイトボックスモデル

第2部モデルの処理の解釈
　第3章モデルに依存しない方法：大域的な解釈可能性
　第4章モデルに依存しない方法：局所的な解釈可能性
　第5章顕著性マップ

第3部モデルの表現の解釈
　第6章層とユニットを理解する
　第7章意味的な類似性を理解する

第4部公平性とバイアス
　第8章公平性とバイアスの軽減
　第9章説明可能なAIへの道

Appendix
　付録A セットアップを行う
　付録B PyTorch
　付録C 日本語版付録日本語を扱う

第1部解釈可能性の基礎
第1章はじめに
　1.1 Diagnostics+のAI―AIシステムの一例
　1.2 機械学習システムの種類
　1.3 Diagnostics+のAIを構築する
　1.4 Diagnostics+のAIの問題点
　1.5 Diagnostics+のAIシステムを堅牢にする
　1.6 解釈可能性と説明可能性
　1.7 本書で何を学ぶのか？
　1.8 まとめ
第2章ホワイトボックスモデル
　2.1 ホワイトボックスモデル
　2.2 Diagnostics+―糖尿病の進行度
　2.3 線形回帰
　2.4 決定木
　2.5 一般化加法モデル（GAM）
　2.6 ブラックボックスモデルとは
　2.7 まとめ

第2部モデルの処理の解釈
第3章モデルに依存しない方法：大域的な解釈可能性
　3.1 高校生の成績予測器
　3.2 アンサンブルツリー
　3.3 ランダムフォレストを解釈する
　3.4 モデルに依存しない方法：大域的な解釈可能性
　3.5 まとめ
第4章モデルに依存しない方法：局所的な解釈可能性
　4.1 Diagnostics+のAI：乳がん診断
　4.2 探索的データ分析
　4.3 深層ニューラルネットワーク
　4.4 DNNを解釈する
　4.5 LIME
　4.6 SHAP
　4.7 アンカー
　4.8 まとめ
第5章顕著性マップ
　5.1 Diagnostics+のAI：浸潤性乳管がんの検出
　5.2 探索的データ分析
　5.3 畳み込みニューラルネットワーク
　5.4 CNNを解釈する
　5.5 バニラバックプロパゲーション
　5.6 ガイド付きバックプロパゲーション
　5.7 その他の勾配ベースの手法
　5.8 Grad-CAMとガイド付きGrad-CAM
　5.9 どの寄与度推定法を使えばいいのか？
　5.1 まとめ

第3部モデルの表現の解釈
第6章層とユニットを理解する189
　6.1 視覚的な理解
　6.　ほか

商品詳細

シリーズ名: Ｃｏｍｐａｓｓ　Ｐｒｏｇｒａｍｍｉｎｇ
出版社名: マイナビ出版
サイズ: ２４ｃｍ
対象年齢: 一般
フォーマット: 単行本
原題: 原タイトル：Ｉｎｔｅｒｐｒｅｔａｂｌｅ　ＡＩ

注意事項

本の帯に関して: 帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。
版・表紙について: 版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。