IdentifiantMot de passe
Loading...
Mot de passe oublié ?Je m'inscris ! (gratuit)
Navigation

Inscrivez-vous gratuitement
pour pouvoir participer, suivre les réponses en temps réel, voter pour les messages, poser vos propres questions et recevoir la newsletter

  1. #1
    Responsable Qt & Livres


    Avatar de dourouc05
    Homme Profil pro
    Ingénieur de recherche
    Inscrit en
    août 2008
    Messages
    26 235
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : France, Val de Marne (Île de France)

    Informations professionnelles :
    Activité : Ingénieur de recherche
    Secteur : Enseignement

    Informations forums :
    Inscription : août 2008
    Messages : 26 235
    Points : 186 025
    Points
    186 025
    Par défaut [Livre] Interpretable Machine Learning with Python - Learn to build interpretable high-performance models with hands-on real-world examples
    Interpretable Machine Learning with Python
    Learn to build interpretable high-performance models with hands-on real-world examples


    Do you want to understand your models and mitigate risks associated with poor predictions using machine learning (ML) interpretation? Interpretable Machine Learning with Python can help you work effectively with ML models.

    The first section of the book is a beginner's guide to interpretability, covering its relevance in business and exploring its key aspects and challenges. You'll focus on how white-box models work, compare them to black-box and glass-box models, and examine their trade-off. The second section will get you up to speed with a vast array of interpretation methods, also known as Explainable AI (XAI) methods, and how to apply them to different use cases, be it for classification or regression, for tabular, time-series, image or text. In addition to the step-by-step code, the book also helps the reader to interpret model outcomes using examples. In the third section, you'll get hands-on with tuning models and training data for interpretability by reducing complexity, mitigating bias, placing guardrails, and enhancing reliability. The methods you'll explore here range from state-of-the-art feature selection and dataset debiasing methods to monotonic constraints and adversarial retraining.

    By the end of this book, you'll be able to understand ML models better and enhance them through interpretability tuning.
    What you will learn

    Recognize the importance of interpretability in business
    Study models that are intrinsically interpretable such as linear models, decision trees, and Naive Bayes
    Become well-versed in interpreting models with model-agnostic methods
    Visualize how an image classifier works and what it learns
    Understand how to mitigate the influence of bias in datasets
    Discover how to make models more reliable with adversarial robustness
    Use monotonic constraints to make fairer and safer models


    [Lire la suite]



    Vous souhaitez participer aux rubriques Qt (tutoriels, FAQ, traductions) ou HPC ? Contactez-moi par MP.

    Créer des applications graphiques en Python avec PyQt5
    Créer des applications avec Qt 5.

    Pas de question d'ordre technique par MP !

  2. #2
    Nouveau membre du Club
    Homme Profil pro
    je ne suis pas en recherche d'emploi
    Inscrit en
    décembre 2012
    Messages
    10
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 80
    Localisation : France, Gironde (Aquitaine)

    Informations professionnelles :
    Activité : je ne suis pas en recherche d'emploi
    Secteur : Conseil

    Informations forums :
    Inscription : décembre 2012
    Messages : 10
    Points : 34
    Points
    34
    Par défaut
    Interpretable Machine Learning with Python

    Cet ouvrage est sans doute le plus important à comprendre pour avancer car il examine le maillon faible dans la chaîne de l' I.A. : l'élément humain

    En effet les modèles sont sans doute au point depuis des lustres sur le plan statistique , mais sommes-nous suffisamment
    formés pour nous en servir ?

    Donnons un marteau à un enfant ... et il se tapera sur les doigts !
    Donnons des chiffres à un ministre de l'économie ... et il les interprétera comme il le souhaite inconsciemment.

    La méthode scientifique exige une rigueur absolue qui n'accepte aucune vérité sans preuve et elle est boulimique en matière de preuve ; j'ajouterai que les nombre en eux-même possèdent un pouvoir de fascination indéniable , séducteurs ils ne demandent qu'à nous induire en erreur quant au sens de nos déductions.

    Si nous ne souhaitons pas nous retrouver dans la position ridicule de la plus grande majorité des pronostiqueurs politique ou médicaux , nous avons sans doute le plus grand besoin de lire cet ouvrage au moins sept fois avant d'annoncer un pronostic.

    Le remède est douloureux pour notre ego mais salutaire sans le moindre doute ... dans un certain nombre de cas !!!

    A son époque, Richelieu disait : "Donnez-moi dix lignes de la main de quelqu’un et je me charge de le faire pendre "
    Actuellement il aurait suffit d'un chiffre ...

    Cordialement, Paradoxalix

    PS je suis en train de le lire à la petite cuillère , nous sommes peu de chose , et c'est dur à encaisser.

Discussions similaires

  1. Réponses: 0
    Dernier message: 10/12/2021, 22h36
  2. Réponses: 0
    Dernier message: 18/12/2016, 16h54
  3. Intel - Machine Learning - Reconnaissance vocale : optimiser la performance de la reconnaissance vocale
    Par Stéphane le calme dans le forum Programmation parallèle, calcul scientifique et de haute performance (HPC)
    Réponses: 0
    Dernier message: 05/04/2016, 13h54

Partager

Partager
  • Envoyer la discussion sur Viadeo
  • Envoyer la discussion sur Twitter
  • Envoyer la discussion sur Google
  • Envoyer la discussion sur Facebook
  • Envoyer la discussion sur Digg
  • Envoyer la discussion sur Delicious
  • Envoyer la discussion sur MySpace
  • Envoyer la discussion sur Yahoo