상세정보
미리보기
XAI 설명 가능한 인공지능, 인공지능을 해부하다
- 저자
- 안재현 저
- 출판사
- 위키북스
- 출판일
- 2022-05-20
- 등록일
- 2022-06-17
- 파일포맷
- PDF
- 파일크기
- 18MB
- 공급사
- YES24
- 지원기기
-
PC
PHONE
TABLET
웹뷰어
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
XAI(eXplainable Artificial Intelligence)는 인공지능의 판단 이유를 설명하는 연구 분야로, 인공지능 기술이 확대되면서 그 필요성이 함께 증가하고 있다. 이것은 알고리즘의 설계자조차 인공지능의 판단 이유를 설명하지 못하는 '블랙박스' 인공지능과 반대되는 개념이다. XAI는 인공지능의 불확실한 의사 결정 과정을 해소해 인공지능에 대한 신뢰성을 높여준다.이 책에는 전통적인 머신러닝 기법에 적용할 수 있는 XAI 기법부터 최신 딥러닝 모델에 사용할 수 있는 XAI 기법까지 수록돼 있다. XAI는 인공지능의 의사 결정 이유를 추정하는 기술이기 때문에 이론뿐만 아니라 기법 적용 과정 또한 중요하다. 따라서 이 책에는 기존 XAI 서적에서 다루지 않았던 예제 코드를 함께 수록했다. 먼저 이론을 학습하고 해당 이론에 대응하는 코드를 따라 하면서 별도의 설치 과정 없이도 XAI 해석 결과를 직접 확인할 수 있다.
저자소개
현재 넥슨코리아 인텔리전스랩스 데이터 과학자로 활동하고 있다.
버즈니 데이터 과학자, 정보통신산업진흥원 소프트웨어 마에스트로 5기로 활동했으며
서강대학교 데이터마이닝 연구실, 서강대학교 컴퓨터공학과를 졸업하였다.
목차
▣ 01장: 이야기를 열며1.1. 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 구축2.1. 파이썬 설치 2.2. PIP 설치 2.3. 텐서플로 설치 2.4. 주피터 노트북 2.4.1. Tensorflow-GPU 설치 확인▣ 03장: XAI 개발 준비3.1. 머신러닝 이해 3.2. 블랙박스 들여다보기 3.3. 시각화와 XAI의 차이 이해하기▣ 04장: 의사 결정 트리4.1. 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 분석5.1. 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 XAI8.1. 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 XAI9.1. 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 닫으며10.1. 암흑물질 찾기 10.2. 기존 모델에 XAI 덧입히기 10.3. XAI의 미래▣ 11장: 참고자료11.1. 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
