可解释AI实战指南：设计与实现可解释机器学习解决方案
A

可解释AI实战指南：设计与实现可解释机器学习解决方案

机器学习
Explainable AI machine learning SHAP LIME Python TensorFlow PyTorch
作者
Michael Munn, David Pitman
出版社
O’Reilly Media, Inc.
年份
2022
语言
英语
184
评价本书

阅读本书 登录 / 注册

预览片段

相似书籍

生成式AI设计模式：构建GenAI智能体与应用时常见挑战的解决方案

生成式AI设计模式：构建GenAI智能体与应用时常见挑战的解决方案

Valliappa Lakshmanan, Hannes Hapke

可解释的Python人工智能，第二版

可解释的Python人工智能，第二版

Antonio Di Cecco, Leonida Gianfagna

实用Python AI项目：使用Google OR-Tools的优化问题数学模型

实用Python AI项目：使用Google OR-Tools的优化问题数学模型

Serge Kruk

使用开源库构建生成式AI应用：大型语言模型实践指南

使用开源库构建生成式AI应用：大型语言模型实践指南

Srikannan Balakrishnan

使用AI代理构建应用：设计与实现多智能体系统

使用AI代理构建应用：设计与实现多智能体系统

Michael Albada

PyTorch 程序员的人工智能与机器学习：生成式 AI 与机器学习实战指南

PyTorch 程序员的人工智能与机器学习：生成式 AI 与机器学习实战指南

Laurence Moroney

机器学习问答与人工智能：关于机器学习和人工智能的30个核心问题与解答

机器学习问答与人工智能：关于机器学习和人工智能的30个核心问题与解答

Sebastian Raschka

使用GitHub Copilot和ChatGPT学习AI辅助Python编程

使用GitHub Copilot和ChatGPT学习AI辅助Python编程

Leo Porter, Daniel Zingaro

实用机器学习程序员指南：工程分析与数据科学解决方案

实用机器学习程序员指南：工程分析与数据科学解决方案

Marco Scutari, Mauro Malvestio

Mueller J. P., Massaron L. - 机器学习入门指南（第2版）- 2021

Mueller J. P., Massaron L. - 机器学习入门指南（第2版）- 2021

John Paul Mueller, Luca Massaron