Download Free Software Gratis e Completos Webmaster Mocambique

Inglês | 2023 | ISBN: 9781484290293 | 267 páginas | PDF,EPUB | 15,1 MB


Entenda como usar as bibliotecas de IA explicada (XAI) e crie confiança nos modelos de IA e aprendizado de máquina. Este livro utiliza uma abordagem de solução de problemas para explicar os modelos de aprendizado de máquina e seus algoritmos.
O livro começa com a interpretação do modelo para modelos lineares de aprendizado supervisionado, que inclui importância de recursos, análise de dependência parcial e análise de pontos de dados influentes para modelos de classificação e regressão. Em seguida, explica o aprendizado supervisionado usando modelos não lineares e estruturas de última geração, como valores/pontuações SHAP e LIME para interpretação local. A explicabilidade para modelos de séries temporais é coberta usando LIME e SHAP, assim como tarefas relacionadas ao processamento de linguagem natural, como classificação de texto e análise de sentimento com ELI5 e ALIBI. O livro conclui com classificação de modelos complexos e redes neurais semelhantes a regressão e modelos de aprendizado profundo usando a estrutura CAPTUM que mostra atribuição de recursos, atribuição de neurônios e atribuição de ativação.
Depois de ler este livro, você entenderá os modelos de IA e aprendizado de máquina e poderá colocar esse conhecimento em prática para trazer mais precisão e transparência às suas análises.

O que você vai aprender
Crie trechos de código e explique modelos de aprendizado de máquina usando Python
Aproveite os modelos de aprendizado profundo usando o código mais recente com implementações ágeis
Construa, treine e explique modelos de redes neurais projetados para escalar
Entenda as diferentes variantes de modelos de redes neurais

Para quem é este livro
Engenheiros de IA, cientistas de dados e desenvolvedores de software interessados em XAI
















https://rapidgator.net/file/21808fab164cce72b38c076b024733e7


Download From 1DL


https://1dl.net/ne0tbhlzqhi2