9798193676485 - explainable artificial intelligence: metodi, modelli e pratiche per comprendere e valutare le decisioni dell’ia von poggesi, alessio (2 Ergebnisse)
- Softcover
Anbieter: PBShop.store UK, Fairford, GLOS, Vereinigtes KönigreichPBShop.store UK
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 13,72
EUR 3,83 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
PAP. Zustand: New. New Book. Shipped from UK. Established seller since 2000.
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 18,04
EUR 30,50 VersandVersand von Deutschland nach USAAnzahl: 2 verfügbar
Taschenbuch. Zustand: Neu. Neuware - Perché un modello di Intelligenza Artificiale prende una determinata decisione Un sistema può essere accurato e, allo stesso tempo, apprendere correlazioni fragili, sfruttare informazioni irrilevanti o produrre decisioni difficili da verificare. L'Explainable Artificial Intelligence nasce per… rendere osservabili questi meccanismi e trasformare le predizioni dei modelli in oggetti di analisi, valutazione e controllo. Questo manuale presenta in modo progressivo e scientificamente rigoroso i principali metodi dell'Explainable AI, partendo dalle basi del Machine Learning interpretabile fino alle tecniche post-hoc e ai modelli basati sui concetti. Nel libro vengono affrontati: - interpretability, explainability, fidelity e valutazione delle spiegazioni;- alberi decisionali, regole, GAM, GA2M, EBM e Neural Additive Models;- prototipi, ProtoPNet e apprendimento logico induttivo;- approcci neuro-simbolici, Semantic Loss, Markov Logic Networks, ProbLog e DeepProbLog;- LIME, PredDiff, SHAP e KernelSHAP;- gradienti, SmoothGrad, Integrated Gradients, Grad-CAM e attention;- ICE, Partial Dependence Plot e Permutation Feature Importance;- Concept Bottleneck Models, Concept Embedding Models e concept interventions;- fairness, robustezza, sanity checks, governance e quadro normativo europeo. Ogni metodo viene introdotto attraverso il problema da risolvere, l'intuizione, la formalizzazione matematica, il funzionamento passo dopo passo, esempi concreti, vantaggi, limiti e criteri di utilizzo. Il volume è rivolto a studenti di Informatica, Ingegneria Informatica, Intelligenza Artificiale e Data Science, oltre che a professionisti tecnici che desiderano comprendere e valutare criticamente le decisioni dei sistemi di Machine Learning. Sono sufficienti conoscenze di base di Machine Learning. Non sono richieste competenze pregresse avanzate di Explainable AI.
