AI Photo Generator: Logo, Art, Stock Image, Illustration | StockimgCreate Your DreamDo you want to create images with artificial intelligence? Get Started
Interpretable Machine Learning
Interpretable Machine Learning A Guide for Making Black Box Models Explainable. Christoph Molnar 2021-05-31 要約 機械学習は、製品や処理、研究を改善するための大きな可能性を秘めています。 しかし、コンピュータは通常、予測の説明をしません。これが機械学習を採用する障壁となっています。 本書は、機械学習モデルや、その判断を解釈可能なものにすることについて書かれています。 解釈可能性とは何かを説明した後、決定木、決定規則、線形回帰などの単純で解釈可能なモデルについて学びます。 その後の章では、特徴量の重要度 (feature importance)やALE(accumulated local effects)や、個々の予測を説明するLIMEやシャープレイ値のようなモデルに非依存な手法(mo
“説明可能なAI”の教科書、日本語訳を公開 「AIに何ができ、何ができないか」理解の手引きに
機械学習モデルによる判断を、人間が解釈・説明するための手法について俯瞰的に解説する名著「解釈可能な機械学習/Interpretable Machine Learning」日本語訳が、このほど公開された。 翻訳プロジェクトを主催したAI企業のHACARUSは、「AIに何ができて何ができないかを正しく理解するために、非常に役に立つ」と紹介。「最初の数章に目を通すだけでも価値がある」という。 Interpretable Machine Learningの原著（英語版）は、データサイエンティストクリストフ・モルナル氏による著書で、書籍で発行されている他、Webで無料公開されている。また、PDF版を有料ダウンロードすることもできる。 同書では、「コンピュータは通常、判断の説明をしない。それが機械学習を採用する障壁になっている」との前提に立ち、機械学習モデルや、その判断を解釈可能なものにするノウハウを
あなたの知らないところでソフトウェアは何をしているのか？
データやパスワードはどのように暗号化され守られているか、映画やゲームのグラフィックスはどのように作られているか、動画や画像はどのように圧縮されているか、巨大なデータベースの中でデータはどのように検索されているか、複数のプログラムが衝突することなく並行処理できるのはなぜか、地図のルートはどのように探されているか……美しいコンピューターグラフィックス、安全なオンラインショッピング、迅速なGoogle検索など、我々がふだん当然のように接しているテクノロジーの背後にある概念や基本的な考え方をわかりやすく解説します。学校教育などの学習教材にも好適です。 目次 はじめに 1章 暗号化 1.1 暗号化の目的 1.2 転置：同じデータ、異なる順序 1.2.1 暗号鍵 1.2.2 暗号化への攻撃 1.3 換字：データの置き換え 1.3.1 換字パターンの変更 1.3.2 鍵の拡張 1.4 AES 1.4.1
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Deep Learning
