|
000
|
01673nam0 2200301 450
|
|
001
|
1867
|
|
010
|
|
@a978-7-302-60569-0@dCNY59.80
|
|
100
|
|
@a20230621d2022 em y0chiy50 ea
|
|
101
|
1
|
@achi@cita
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@aAI可解释性@AAi ke jie shi xing@ePython语言版@f(意) 列奥尼达·詹法纳, 安东尼奥·迪·塞科著@g郭涛译
|
|
210
|
|
@a北京@c清华大学出版社@d2022.08
|
|
215
|
|
@a228页@c图@d21cm
|
|
306
|
|
@a由德国施普林格公司授权出版
|
|
312
|
|
@a英文题名取自版权页
|
|
314
|
|
@aLeonida Gianfagna, 博士是一位理论物理学家, 目前在网络安全领域工作, 担任Cyber Guru的研发总监Antonio Di Cecco, 是一位理论物理学家, 拥有强大的数学背景。他完全致力于提供从入门到专家等不同层次的线上或线下AIML教育, 使用深入挖掘AlML模型的数学基础的教育方法。
|
|
320
|
|
@a有书目
|
|
330
|
|
@a本书全面介绍了Al可解释性的概念和可用技术, 使机器学习系统更易于解释。书中提出的方法可以应用于几乎所有现有的机器学习模型: 线性和逻辑回归、深度学习神经网络、自然语言处理和图像识别等等。随着机器学习的发展, 如今人们越来越多地使用人工智能体来执行以前由人类处理的关键任务 (医疗、法律和金融等等) 。虽然智能体的设计原则已被理解, 但目前的大多数深度学习模型对人类理解而言是“不透明的”。《Al可解释性 (Python语言版) 》从理论和实践的角度填补了这个新兴主题文献方面的空白, 使读者能够快速地使用可解释性AI的工具和代码。
|
|
510
|
1
|
@aExplainable AI with Python@zeng
|
|
606
|
0
|
@a人工智能@Aren gong zhi neng
|
|
690
|
|
@aTP18@v5
|
|
701
|
1
|
@a詹法纳@Azhan fa na@g(Gianfagna, Leonida)@4著
|
|
701
|
1
|
@a迪·塞科@Adi ·sai ke@g(Cecco, Antonio Di)@4著
|
|
702
|
0
|
@a郭涛@Aguo tao@4译
|
|
801
|
0
|
@aCN@b郑州旅游职业学院@c20230621
|
|
905
|
|
@aZZLYZY@dTP18@e207
|
|
|
|
|
| |
| AI可解释性：Python语言版/(意) 列奥尼达·詹法纳, 安东尼奥·迪·塞科著/郭涛译.-北京：清华大学出版社，2022.08 |
| 228页：图；21cm |
| |
| |
| ISBN 978-7-302-60569-0：CNY59.80 |
| 本书全面介绍了Al可解释性的概念和可用技术, 使机器学习系统更易于解释。书中提出的方法可以应用于几乎所有现有的机器学习模型: 线性和逻辑回归、深度学习神经网络、自然语言处理和图像识别等等。随着机器学习的发展, 如今人们越来越多地使用人工智能体来执行以前由人类处理的关键任务 (医疗、法律和金融等等) 。虽然智能体的设计原则已被理解, 但目前的大多数深度学习模型对人类理解而言是“不透明的”。《Al可解释性 (Python语言版) 》从理论和实践的角度填补了这个新兴主题文献方面的空白, 使读者能够快速地使用可解释性AI的工具和代码。 |
| ● |
正题名：AI可解释性
索取号：TP18/207
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1317734
|
213177346
|
十四楼书库/
[索取号:TP18/207]
|
在馆
|
架位导航
|
|
2
|
1317735
|
213177355
|
十四楼书库/
[索取号:TP18/207]
|
在馆
|
架位导航
|
|
3
|
1317736
|
213177364
|
十四楼书库/
[索取号:TP18/207]
|
在馆
|
架位导航
|
