怎样才能有效地向A业务和利益相关者解释Al的决策?你需要仔细规划、设计和可视化。要解决的问题、模型以及变量之间的关系通常是微妙、出乎意料和复杂的。
《Python可解释AI（XAI）实战》通过几个精心设计的项目让你在实践中掌握众多XAI工具和方法，方法仅停留在理论和概念上。你将动手构建模型，可视化解释结果，并集成XAI工具。你将使用Python、TensorFlow 2、Google Cloud XAI平台、Google Colaboratory和其他框架构建XAI解决方案，以打开机器学习模型的黑匣子。本书涵盖多个可在整个机器学习项目生命周期中使用的Python开源XAI工具。你将学习如何探索机器学习模型结果，检查关键影响变量和变量关系，检测和处理偏见和道德伦理及法律问题，以及将机器学习模型可视化到用户界面中。
读完这本书，你将深入了解XAI的核心概念并掌握多个XAI工具和方法。
在本书中，你将学习使用Python相关工具和技术来可视化、解释和集成可信的AI结果，从而在提供业务价值的同时避免AI偏见和道德伦理法律方面的常见问题。
本书将带你使用Python和 TensorFlow 2.x亲身实践一个Python机器学习项目。你将学习如何使用WIT、SHAP、LIME、CEM和其他至关重要的可解释AI工具。你将了解到由IBM、谷歌、微软和其他高级人工智能研究实验室设计的工具。
我们将向你介绍几个面向Python的开源可解释AI工具，它们可在整个机器学习项目生命周期中使用。你将学习如何探索机器学习模型结果，查看关键变量和变量关系，检测和处理偏见和道德伦理法律问题，使用Python和可解释AI工具对机器学习模型结果进行可视化分析和解释。
我们将使用Python、TensorFlow 2.x、Google Cloud的XAI平台和Google Colaboratory构建XAI解决方案。
节选自《Python可解释AI（XAI）实战》前言
