Özet

Makine öğrenmesi; ürünleri, süreçleri ve araştırmaları geliştirmede büyük bir potansiyele sahip, fakat bilgisayarlar genellikle yaptıkları tahminleri açıklayamamakta ve bu makine öğrenmesinin benimsenmesinin önünde büyük bir engel. Bu kitap makine öğrenmesi modellerini ve onların kararlarını yorumlanabilir kılmakla ilgileniyor.

Kitapta yorumlanabilirlik kavramlarını keşfettikten sonra karar ağaçları (decision trees), karar kuralları ve linear regression gibi basit, yorumlanabilir modelleri öğreneceksiniz. Kitap niteliklerin tahmine olan etkilerinin sıralanması, birikmiş yerel etkiler (accumulated local effects) ve Shapley değerleri ve LIME ile tekil tahminleri açıklamak gibi kara-kutu modelleri yorumlamanın modelden bağımsız (model-agnostic) yöntemlerine odaklanıyor. Ek olarak kitap derin sinir ağlarına özel metotlardan da bahsediyor.

Kitapta yorumlama metotları tüm derinliğiyle ve eleştirel bir şekilde tartışıldı. Modeller kaputlarının altında nasıl çalışıyor? Güçlü ve zayıf yanları neler? Çıktıları nasıl yorumlanabilir? Bu kitap kendi makine öğrenmesi projenize en uygun yorumlama metodunu seçip uygulamanıza olanak sağlayacak. Makine öğrenmesiyle çalışanlara, veri bilimcilere, istatistikçilere ve makine öğrenmesi algoritmalarını yorumlamak isteyen herkese tavsiye edilir.

PDF ve e-kitap versiyonlarına (epub, mobi) burada ulaşabilirsiniz: leanpub.com.

Baskıyı buradan satın alabilirsiniz: lulu.com.

Hakkımda: Ben Christoph Molnar, bir istatistikçi ve makine öğrenicisiyim. Hedefim makine öğrenmesini yorumlanabilir kılmak.

Beni Twitter'da takip edin! @ChristophMolnar

Kapak: @YvonneDoinel

Çeviri: Tolga Recep Uçar @tolgarucar

Bu kitap Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License lisansı altındadır.