XAI 설명 가능한 인공지능, 인공지능을 해부하다(위키북스 데이터 사이언스 시리즈 53)
블랙박스를 이해하고 시스템의 신뢰성을 높이기 위한
Regular price
$31.46
Sale price
Regular price
Shipping calculated at checkout.
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
XAI(eXplainable Artificial Intelligence)는 인공지능의 판단 이유를 설명하는 연구 분야로, 인공지능 기술이 확대되면서 그 필요성이 함께 증가하고 있습니다. 이것은 알고리즘의 설계자조차 인공지능의 판단 이유를 설명하지 못하는 '블랙박스' 인공지능과 반대되는 개념입니다. XAI는 인공지능의 불확실한 의사 결정 과정을 해소해 인공지능에 대한 신뢰성을 높여줍니다.
이 책에는 전통적인 머신러닝 기법에 적용할 수 있는 XAI 기법부터 최신 딥러닝 모델에 사용할 수 있는 XAI 기법까지 수록돼 있습니다. XAI는 인공지능의 의사 결정 이유를 추정하는 기술이기 때문에 이론뿐만 아니라 기법 적용 과정 또한 중요합니다. 따라서 이 책에는 기존 XAI 서적에서 다루지 않았던 예제 코드를 함께 수록했습니다. 먼저 이론을 학습하고 해당 이론에 대응하는 코드를 따라 하면서 별도의 설치 과정 없이도 XAI 해석 결과를 직접 확인할 수 있습니다.
★ 이 책에서 다루는 내용 ★
◎ 피처 중요도
◎ 부분 의존성 플롯
◎ XGBoost 모델 구축
◎ LIME(Local Interpretable Model-agnostic Explanations)
◎ SHAP(SHapley Additive exPlanations)
◎ 필터 시각화
◎ 합성곱 신경망(CNN) 구축
◎ LRP(Layer-wise Relevance Propagation)
◎ 실전 분석 1: 신용 대출 분석 모델 구축하고 설명하기
◎ 실전 분석 2: 사진 감정 분석 모델 구축하고 설명하기
이 책에는 전통적인 머신러닝 기법에 적용할 수 있는 XAI 기법부터 최신 딥러닝 모델에 사용할 수 있는 XAI 기법까지 수록돼 있습니다. XAI는 인공지능의 의사 결정 이유를 추정하는 기술이기 때문에 이론뿐만 아니라 기법 적용 과정 또한 중요합니다. 따라서 이 책에는 기존 XAI 서적에서 다루지 않았던 예제 코드를 함께 수록했습니다. 먼저 이론을 학습하고 해당 이론에 대응하는 코드를 따라 하면서 별도의 설치 과정 없이도 XAI 해석 결과를 직접 확인할 수 있습니다.
★ 이 책에서 다루는 내용 ★
◎ 피처 중요도
◎ 부분 의존성 플롯
◎ XGBoost 모델 구축
◎ LIME(Local Interpretable Model-agnostic Explanations)
◎ SHAP(SHapley Additive exPlanations)
◎ 필터 시각화
◎ 합성곱 신경망(CNN) 구축
◎ LRP(Layer-wise Relevance Propagation)
◎ 실전 분석 1: 신용 대출 분석 모델 구축하고 설명하기
◎ 실전 분석 2: 사진 감정 분석 모델 구축하고 설명하기
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
목차
목차
▣ 01장: 이야기를 열며
1.1. 다르파(DARPA)의 혁신 프로젝트
1.2. XAI (2016-2021)
1.3. XAI를 잘하기 위한 조건
___1.3.1. 기존 머신러닝 이론을 충분히 이해하기
___1.3.2. 설명 모델을 어떻게 접목할지 생각하기
1.4. xgboost를 사용한 XAI와 딥러닝 XAI?
1.5. 감사 인사
▣ 02장: 실습환경 구축
2.1. 파이썬 설치
2.2. PIP 설치
2.3. 텐서플로 설치
2.4. 주피터 노트북
2.4.1. Tensorflow-GPU 설치 확인
▣ 03장: XAI 개발 준비
3.1. 머신러닝 이해
3.2. 블랙박스 들여다보기
3.3. 시각화와 XAI의 차이 이해하기
▣ 04장: 의사 결정 트리
4.1. 의사 결정 트리 시각화
4.2. 피처 중요도 구하기
4.3. 부분 의존성 플롯(PDP) 그리기
4.4. XGBoost 활용하기
___4.4.1. XGBoost의 장점
___4.4.2. XGBoost는 딥러닝이 아니다
___4.4.3. 기본 원리
___4.4.4. 파라미터
___4.4.5. 실제 동작과 팁
4.5. 실습 1: 피마 인디언 당뇨병 결정 모델
___4.5.1. 학습하기
___4.5.2. 설명 가능한 모델 결합하기
___4.5.3. 모델 튜닝하기
___4.5.4. 마치며
▣ 05장: 대리 분석
5.1. 대리 분석 개론
___5.1.1. 글로벌 대리 분석
___5.1.2. 로컬 대리 분석(Local Surrogate)
5.2. LIME
___5.2.1. LIME 알고리즘, 직관적으로 이해하기
___5.2.2. 배경 이론
___5.2.3. 실습 2: 텍스트 데이터에 LIME 적용하기
___5.2.4. 실습 3: 이미지 데이터에 LIME 적용하기
___5.2.5. 마치며
5.3. SHAP (SHapley Additive exPlanations)
___5.3.1. 배경 이론
___5.3.2. 실습 4: 공유 경제 스타트업에서 섀플리 값 사용하기
___5.3.3. 실습 5: 보스턴 주택 가격 결정 요소 구하기
___5.3.4. 마치며
▣ 06장: 필터 시각화(Filter Visualization)
6.1. 이미지 필터 시각화
6.2. 설명 가능한 모델 결합하기
___6.2.1. 합성곱 신경망과 필터
6.3. 합성곱 신경망 제작하기
6.4. 실습 6: 합성곱 신경망 시각화하기
___6.4.1. 입력값 시각화하고 예측값과 비교하기
___6.4.2. 필터 시각화
6.5. 마치며
▣ 07장: LRP(Layer-wise Relevance Propagation)
7.1. 배경 이론
___7.1.1. 분해(Decomposition)
___7.1.2. 타당성 전파
7.2. 실습 7: 합성곱 신경망 속 열어보기
___7.2.1. 합성곱 신경망 학습하기
___7.2.2. 합성곱 신경망 부분 그래프 구하기
___7.2.3. 합성곱 신경망에 LRP 적용하기
___7.3. LRP 등장 이전과 이후의 딥러닝 XAI 동향
7.4. 마치며
▣ 08장: 실전 분석 1: 의사 결정 트리와 XAI
8.1. 신용 대출 분석 인공지능 만들기
___8.1.1. 데이터 설명
___8.1.2. 칼럼 설명
___8.1.3. 데이터 불러오기
___8.1.4. 데이터 학습하기
8.2. XAI를 결합하기
8.3. XAI로 모델을 파악하기
8.4. XAI로 모델 개선 근거 마련하기
▣ 09장: 실전 분석 2: LRP와 XAI
9.1. 감정 분석 모델 만들기
___9.1.1. 데이터 설명
___9.1.2. 칼럼 설명
___9.1.3. 데이터 불러오기
___9.1.4. 데이터 학습하기
9.2. XAI 결합하기
9.3. XAI로 원래 인공지능 개선하기
9.4. 고지사항
▣ 10장: 이야기를 닫으며
10.1. 암흑물질 찾기
10.2. 기존 모델에 XAI 덧입히기
10.3. XAI의 미래
▣ 11장: 참고자료
11.1. XAI 실습 라이브러리 설치하기
___11.1.1. 파이썬 설치
___11.1.2. 파이썬 라이브러리 설치
___11.1.3. 텐서플로 설치
11.2. 캔들스틱 차트
11.3. 컨퓨전 행렬
___11.3.1. 정확도(Accuracy)
___11.3.2. 정밀성(Precision)
___11.3.3. 민감도(Sensitivity, 또는 Recall)
___11.3.4. 특이성(Specificity)
___11.3.5. 낙제율(Fallout)
___11.3.6. F1-점수(F1-score)
11.4. 텐서플로 슬림
11.5. 정규화
1.1. 다르파(DARPA)의 혁신 프로젝트
1.2. XAI (2016-2021)
1.3. XAI를 잘하기 위한 조건
___1.3.1. 기존 머신러닝 이론을 충분히 이해하기
___1.3.2. 설명 모델을 어떻게 접목할지 생각하기
1.4. xgboost를 사용한 XAI와 딥러닝 XAI?
1.5. 감사 인사
▣ 02장: 실습환경 구축
2.1. 파이썬 설치
2.2. PIP 설치
2.3. 텐서플로 설치
2.4. 주피터 노트북
2.4.1. Tensorflow-GPU 설치 확인
▣ 03장: XAI 개발 준비
3.1. 머신러닝 이해
3.2. 블랙박스 들여다보기
3.3. 시각화와 XAI의 차이 이해하기
▣ 04장: 의사 결정 트리
4.1. 의사 결정 트리 시각화
4.2. 피처 중요도 구하기
4.3. 부분 의존성 플롯(PDP) 그리기
4.4. XGBoost 활용하기
___4.4.1. XGBoost의 장점
___4.4.2. XGBoost는 딥러닝이 아니다
___4.4.3. 기본 원리
___4.4.4. 파라미터
___4.4.5. 실제 동작과 팁
4.5. 실습 1: 피마 인디언 당뇨병 결정 모델
___4.5.1. 학습하기
___4.5.2. 설명 가능한 모델 결합하기
___4.5.3. 모델 튜닝하기
___4.5.4. 마치며
▣ 05장: 대리 분석
5.1. 대리 분석 개론
___5.1.1. 글로벌 대리 분석
___5.1.2. 로컬 대리 분석(Local Surrogate)
5.2. LIME
___5.2.1. LIME 알고리즘, 직관적으로 이해하기
___5.2.2. 배경 이론
___5.2.3. 실습 2: 텍스트 데이터에 LIME 적용하기
___5.2.4. 실습 3: 이미지 데이터에 LIME 적용하기
___5.2.5. 마치며
5.3. SHAP (SHapley Additive exPlanations)
___5.3.1. 배경 이론
___5.3.2. 실습 4: 공유 경제 스타트업에서 섀플리 값 사용하기
___5.3.3. 실습 5: 보스턴 주택 가격 결정 요소 구하기
___5.3.4. 마치며
▣ 06장: 필터 시각화(Filter Visualization)
6.1. 이미지 필터 시각화
6.2. 설명 가능한 모델 결합하기
___6.2.1. 합성곱 신경망과 필터
6.3. 합성곱 신경망 제작하기
6.4. 실습 6: 합성곱 신경망 시각화하기
___6.4.1. 입력값 시각화하고 예측값과 비교하기
___6.4.2. 필터 시각화
6.5. 마치며
▣ 07장: LRP(Layer-wise Relevance Propagation)
7.1. 배경 이론
___7.1.1. 분해(Decomposition)
___7.1.2. 타당성 전파
7.2. 실습 7: 합성곱 신경망 속 열어보기
___7.2.1. 합성곱 신경망 학습하기
___7.2.2. 합성곱 신경망 부분 그래프 구하기
___7.2.3. 합성곱 신경망에 LRP 적용하기
___7.3. LRP 등장 이전과 이후의 딥러닝 XAI 동향
7.4. 마치며
▣ 08장: 실전 분석 1: 의사 결정 트리와 XAI
8.1. 신용 대출 분석 인공지능 만들기
___8.1.1. 데이터 설명
___8.1.2. 칼럼 설명
___8.1.3. 데이터 불러오기
___8.1.4. 데이터 학습하기
8.2. XAI를 결합하기
8.3. XAI로 모델을 파악하기
8.4. XAI로 모델 개선 근거 마련하기
▣ 09장: 실전 분석 2: LRP와 XAI
9.1. 감정 분석 모델 만들기
___9.1.1. 데이터 설명
___9.1.2. 칼럼 설명
___9.1.3. 데이터 불러오기
___9.1.4. 데이터 학습하기
9.2. XAI 결합하기
9.3. XAI로 원래 인공지능 개선하기
9.4. 고지사항
▣ 10장: 이야기를 닫으며
10.1. 암흑물질 찾기
10.2. 기존 모델에 XAI 덧입히기
10.3. XAI의 미래
▣ 11장: 참고자료
11.1. XAI 실습 라이브러리 설치하기
___11.1.1. 파이썬 설치
___11.1.2. 파이썬 라이브러리 설치
___11.1.3. 텐서플로 설치
11.2. 캔들스틱 차트
11.3. 컨퓨전 행렬
___11.3.1. 정확도(Accuracy)
___11.3.2. 정밀성(Precision)
___11.3.3. 민감도(Sensitivity, 또는 Recall)
___11.3.4. 특이성(Specificity)
___11.3.5. 낙제율(Fallout)
___11.3.6. F1-점수(F1-score)
11.4. 텐서플로 슬림
11.5. 정규화
저자
저자
안재현
(現) 넥슨코리아 인텔리전스랩스 데이터 과학자
(前) 버즈니 데이터 과학자
정보통신산업진흥원 소프트웨어 마에스트로 5기
서강대학교 데이터마이닝 연구실 졸업
서강대학교 컴퓨터공학과 졸업
(前) 버즈니 데이터 과학자
정보통신산업진흥원 소프트웨어 마에스트로 5기
서강대학교 데이터마이닝 연구실 졸업
서강대학교 컴퓨터공학과 졸업
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.
