핸즈온 파이썬을 이용한 설명가능한 AI(XAI)

차례목차 XVII역자의 말 Ⅴ머리말 Ⅶ1장 파이썬으로 설명하는 AI1.1 설명가능한 AI 정의 51.1.1 블랙박스 모델에서 XAI 화이트 박스 모델로의 전환 71.1.2 설명 및 해석 81.2 설계 및 추출 91.2.1 XAI 집행 기능 91.3 XAI 의료 진단 일정 131.3.1 일반적인 의사가 사용하는 표준 AI 프로그램 141.3.2 웨스트 나일 바이러스 – 생사와 관련된 사례 231.3.3 구글 위치 기록을 이용하여 XAI가 생명을 구할 수 있다 311.3.4 구글 위치 기록 내려받기 311.3.4 구글 위치 기록 데이터를 읽고 표시하기 371.4 요약 581.5 질문 592장 AI의 편향 및 윤리를 위한 화이트 박스 XAI2.1 자율 주행 자동차의 AI 편향에 대한 도덕성 652.1.1 생사가 걸린 자동조종 장치의 의사결정 652.1.2 트롤리 문제 662.1.3 MIT Moral Machine 실험 672.2.4 생사가 걸린 실제 상황 682.2.5 윤리적 AI의 도덕적 한계 702.2 자동조종 장치의 의사결정 트리에 대한 표준 설명 73목차 XVIII2.2.1 SDC 자동조종 장치의 딜레마 732.1.2 모듈 가져오기 742.1.3 데이터 셋 가져오기 752.1.4 데이터를 읽고 분할하기 762.1.5 의사결정 트리 분류기에 대한 이론적인 설명 782.1.6 내정된 값을 이용한 의사결정 트리 분류기 생성하기 802.1.7 모델 훈련, 측정 및 저장하기 822.1.8 의사결정 트리 출력하기 842.3 자동조종 장치의 의사결정 트리에 적용된 XAI 882.3.1 의사결정 트리의 구조 882.4 XAI와 윤리성을 이용하여 의사결정 트리 제어하기 952.4.1 모델 불러오기 962.4.2 정확도 측정 962.4.3 실시간 사례 시뮬레이션하기 972.4.4 노이즈로 인한 ML 편향 반영해 보기 972.4.5 ML 윤리 및 법 적용하기 1002.5 요약 1042.6 질문 1043장 패싯(Facet)을 이용한 머신러닝 설명하기3.1 패싯 시작하기 1103.1.1 Google Colaboratory의 패싯 설치하기 1113.1.2 데이터 셋 검색 1113.1.3 데이터 파일 읽어 오기 1123.2 Facets Overview 1133.2.1 데이터 셋의 특징 통계 생성하기 1133.3 패싯 통계 결과 정렬하기 1163.3.1 특징 순서대로 데이터 정렬하기 1163.3.2 불균일도로 정렬하기 1173.3.3 알파벳 순으로 정렬하기 1223.3.4 missing/zero의 양으로 정렬하기 123목차 XIX3.3.5 분포간 거리로 정렬하기 1233.4 Facets Dive 1253.4.1 Facets Dive 출력 코드 작성하기 1263.4.2 데이터 포인트의 레이블 정의하기 1283.4.3 데이터 포인트의 색상 정의하기 1293.4.4 x 축과 y 축의 비닝 정의하기 1303.4.5 x 축과 y 축의 산점도 정의하기 1323.5 요약 1343.6 질문 1354장 SHAP을 이용한 Microsoft Azure Machine Learning Model Interpretability4.1 SHAP 소개 1404.1.1 SHAP 원칙의 핵심 1414.1.2 Shapley 값의 수학적 표현 1444.1.3 감정 분석 예제 1474.2 SHAP 시작하기 1534.2.1 SHAP 설치하기 1534.2.2 데이터 가져오기 1544.2.3 데이터 셋 추출하기 1554.2.4 데이터 셋 벡터화 하기 1624.3 선형 모델 및 로지스틱 회귀 1644.3.1 선형 모델 생성, 훈련 및 출력의 시각화 1644.3.2 선형 모델 정의하기 1674.3.3 SHAP을 이용하여 설명하는 불가지론적 모델 1704.3.4 선형 모델 설명자 생성하기 1704.3.5 그래프 함수 생성하기 1704.3.6 모델의 예측 결과 설명하기 1734.4 요약 1834.5 질문 1845장 설명가능한 AI 솔루션 처음부터 구축하기5.1 도덕적, 윤리적 및 법률적 관점 1905.2 미국 인구조사 데이터 문제 1915.2.1 pandas를 이용하여 데이터 표시하기 1925.2.2 도덕적 윤리적 관점 1955.3 머신러닝 관점 2025.3.1 Facets Dive로 훈련 데이터 출력하기 2025.3.2 패싯으로 훈련 데이터 분석하기 2055.3.3 예상 결과 확인 2095.3.4 입력 데이터 변환 2175.4 변경된 데이터 셋을 적용한 WIT 2205.5 요약 2285.6 질문 2296장 구글의 What-If Tool(WIT)을 이용한 AI 공정성 평가6.1 윤리적 AI 관점에서의 해석가능성 및 설명가능성 2346.1.1 윤리적 관점 2356.1.2 법률적 관점 2366.1.3 설명하기 및 해석하기 2366.1.4 윤리적인 데이터 셋 준비하기 2376.2 WIT 시작하기 2406.2.1 데이터 셋 가져오기 2426.2.2 데이터 전처리하기 2436.2.3 모델 훈련 및 테스트를 위한 데이터 스트럭쳐 생성하기 2456.3 DNN 모델 생성 246모델 훈련하기 2496.4 SHAP 해설자 생성하기 249Shapley 값의 그래프 2506.5 모델 출력 및 SHAP 값 2506.6 WIT 데이터 포인트 탐색기 및 편집기 254목차 XX6.6.1 WIT 생성하기 2546.6.2 데이터 포인트 편집기 2566.6.3 특징 2596.6.4 성능 및 공정성 2606.7 요약 2686.8 질문 2697장 설명가능한 AI 챗봇을 위한 파이썬 클라이언트7.1 Dialogflow를 위한 파이썬 클라이언트 2757.1.1 구글 Dialogflow를 위한 파이썬 클라이언트 설치하기 2767.1.2 구글 Dialogflow 에이전트 생성하기 2767.1.3 API 및 서비스 활성화하기 2797.1.4 구글 Dialogflow 파이썬 클라이언트 2837.2 구글 Dialogflow 파이썬 클라이언트 개선하기 2867.2.1 대화 함수 생성하기 2877.2.1 Dialogflow에서 XAI 구현과 관련된 보안 사항 2887.2.3 Dialogflow에서 인텐트 생성하기 2887.2.4 XAI 파이썬 클라이언트 2967.3 구글 Dialogflow를 이용한 CUI XAI 대화 3027.3.1 웹사이트를 위한 Dialogflow 통합 3037.3.2 주피터 노트북 XAI 에이전트 관리자 3077.3.3 구글 어시스턴트 3077.4 요약 3107.5 질문 3118장 LIME(Local Interpretable Model- Agnostic Explanations)8.1 LIME 소개 316LIME의 수학적 표현 3188.2 LIME 시작하기 3218.2.1 구글 Colaboratory에 LIME 설치하기 322목차 XXI8.2.2 데이터 셋 검색 및 벡터화 하기 3228.3 실험적 AutoML 모듈 3248.3.1 불가지론적 AutoML 템플릿 생성하기 3258.3.2 배깅 분류기(Bagging classifier) 3278.3.3 그라디언트 부스팅 분류기 3288.3.4 의사결정 트리 분류기 3298.3.5 엑스트라 트리 분류기 3308.4 점수 해석하기 3318.5 모델 훈련하기 및 예측 수행하기 3328.5.1 분류기와 상호적인 선택 3328.5.2 예측 과정 마무리하기 3338.6 LIME 설명자 3358.6.1 LIME 설명자 만들기 3378.6.2 LIME 설명 해석하기 3398.7 요약 3468.8 질문 3479장 반사실적 설명 방법9.1 반사실적 설명 방법 3539.1.1 데이터 셋 및 동기 3539.1.2 WIT로 반사실적 거리 시각화하기 3549.1.3 기본 뷰로 데이터 포인트 거리 분석하기 3569.1.3 반사실적 설명의 논리 3649.2 거리 함수 선택 3709.2.1 L1 norm 3719.2.2 L2 norm 3739.2.3 맞춤형 거리 함수 3749.3 딥러닝 모델의 아키텍쳐 3749.3.1 WIT 호출 3759.3.2 WIT를 위한 맞춤형 예측 함수 3769.3.3 케라스 모델 로딩하기 3789.3.4 데이터 셋 및 모델 검색하기 379목차 XXII9.4 요약 3809.5 질문 38110장 대조적 XAI10.1 대조적 설명 방법 38610.2 MNIST를 이용하여 CEM 배우기 38910…

출처: 국립중앙도서관 서지정보