実践xai 説明可能なai 機械学習の予測を説明するためのpythonコーディング Impress Top Gear

ビジネス上の意思決定につながる機械学習の予測には、解釈・説明が求められます。そこで、そうした解釈・説明を行うための手法を紹介します。実際にＬＩＭＥ、ＳＨＡＰ、Ｓｋａｔｅｒ、ＥＬＩ５といった種々のＰｙｔｈｏｎライブラリを使い、モデルがなぜそのように予測するのかを探っていきます。予測モデルとして、線形・非線形モデルのほか、アンサンブルモデル、時系列モデル、自然言語処理、ディープラーニング、コンピュータビジョンを取り上げます。本書は解釈・説明のための方法を包括的に取り上げており、機械学習を実際の現場で活用する方にぜひ手に取っていただきたい一冊です。

目次 : 第１章　モデルの説明可能性と解釈可能性/ 第２章　ＡＩの倫理、偏見、信頼性/ 第３章　線形モデルの説明可能性/ 第４章　非線形モデルの説明可能性/ 第５章　アンサンブルモデルの説明可能性/ 第６章　時系列モデルの説明可能性/ 第７章　自然言語処理の説明可能性/ 第８章　Ｗｈａｔ‐Ｉｆシナリオを使ったモデルの公平性/ 第９章　ディープラーニングモデルの説明可能性/ 第１０章　ＸＡＩモデルの反実仮想説明/ 第１１章　機械学習での対比的説明/ 第１２章　予測不変性の特定によるモデル不可知の説明/ 第１３章　ルールベースのエキスパートシステムでのモデルの説明可能性/ 第１４章　コンピュータビジョンでのモデルの説明可能性

【著者紹介】
プラディープタ・ミシュラ : Ｌ＆Ｔ　Ｉｎｆｏｔｅｃｈ（ＬＴＩ）のＨｅａｄ　ｏｆ　ＡＩ　Ｄａｔａ　Ｐｒｏｄｕｃｔｓであり、データ製品用のＡＩ機能の構築において、データサイエンティストと数理言語学、機械学習、ディープラーニングのエキスパートからなるグループを率いている。『Ａｎａｌｙｔｉｃｓ　Ｉｎｄｉａ　Ｍａｇａｚｉｎｅ』の「Ｉｎｄｉａ’ｓ　Ｔｏｐ‐４０　Ｕｎｄｅｒ　４０　Ｄａｔａ　Ｓｃｉｅｎｔｉｓｔｓ」に２年連続（２０１９年と２０２０年）で選ばれている。インド、ベンガルールにあるレバ大学やその他さまざまな大学のＡＩ課程とサイバーセキュリティ課程で、技術修士（ＡＩ、機械学習）の客員教員を務めている（本データはこの書籍が刊行された当時に掲載されていたものです）