机读格式显示(MARC)

• 000 01377nam0 2200265 450

• 001 0000604454

• 005 20230824144300.0

• 010 __ |a 978-7-302-60569-0 |d CNY59.80

• 100 __ |a 20220908d2022 em y0chiy50 ea

• 101 1_ |a chi |c ita

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a AI可解释性 |A Ai Ke Jie Shi Xing |b 专著 |e Python语言版 |f (意)列奥尼达·詹法纳(Leonida Gianfagna)，(意)安东尼奥·迪·塞科(Antonio Di Cecco)著 |g 郭涛译

• 210 __ |a 北京 |c 清华大学出版社 |d 2022.08

• 215 __ |a 228页 |c 图，照片 |d 21cm

• 330 __ |a 本书全面介绍了Al可解释性的概念和可用技术，使机器学习系统更易于解释。书中提出的方法可以应用于几乎所有现有的机器学习模型：线性和逻辑回归、深度学习神经网络、自然语言处理和图像识别等等。随着机器学习的发展，如今人们越来越多地使用人工智能体来执行以前由人类处理的关键任务（医疗、法律和金融等等）。虽然智能体的设计原则已被理解，但目前的大多数深度学习模型对人类理解而言是“不透明的”。《Al可解释性（Python语言版）》从理论和实践的角度填补了这个新兴主题文献方面的空白，使读者能够快速地使用可解释性AI的工具和代码。

• 333 __ |a 人工智能研究者

• 606 0_ |a 人工智能 |A Ren Gong Zhi Neng

• 690 __ |a TP18 |v 5

• 701 _0 |c (意) |a 詹法纳 |A Zhan Fa Na |c (Gianfagna, Leonida) |4 著

• 701 _0 |c (意) |a 迪·塞科 |A Di·Se Ke |c (Cecco, Antonio Di) |4 著

• 702 _0 |a 郭涛 |A Guo Tao |4 译

• 801 _0 |a CN |b 人天书店 |c 20220908

• 905 __ |a WXCSXY |d TP18/711