著者AjayThampi(著) 松田晃一(訳)出版社マイナビ出版発売日2023年09月ISBN9784839983659ページ数355Pキーワードかいしやくかのうなえーあいかいしやく／かのう／な／ カイシヤクカノウナエーアイカイシヤク／カノウ／ナ／ たんぴ あじえい THAMPI タンピ アジエイ THAMPI9784839983659内容紹介『InterpreAI：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※本データはこの商品が発売された時点の情報です。目次第1部 解釈可能性の基礎（はじめに/ホワイトボックスモデル）/第2部 モデルの処理の解釈（モデルに依存しない方法：大域的な解釈可能性/モデルに依存しない方法：局所的な解釈可能性/顕著性マップ）/第3部 モデルの表現の解釈（層とユニットを理解する/意味的な類似性を理解する）/第4部 公平性とバイアス（公平性とバイアスの軽減/説明可能なAIへの道）/Appendix 巻末付録（セットアップを行う/PyTorch/日本語版付録 日本語を扱う）