过去五年中，我们就见证了人工智能(Artifcial Intelligence，AI)领域的重大突破，特别是在图像识别、自然语言理解等领域，以及围棋等棋盘游戏领域。随着人工智能在医疗和金融等行业的广泛应用，它正在辅助人类做出关键的决策，构建强大而公正的机器学习模型来驱动这些人工智能系统变得越来越重要。本书旨在为你提供可解释 AI 系统及其构建方式的实用指南。

内容简介　　

对于深度学习模型，常常很难解释其工作方式，即使是创建这些模型的数据科学家也不例外。提高机器学习模型的透明度和可解释性可以最大限度地减少错误，减少意想不到的偏见，增加用户对结果的信任。本书讲述了探索“黑盒”模型内部的技术，提供了设计可靠算法的方法，并揭示了导致结果偏差的各种关键因素。

可解释AI(Interpretable AI)将教会你识别模型所学习的模式及其产生结果的原因。通过阅读本书，你将掌握一些用于解释白盒模型(如线性回归和广义可加模型)的方法，以及一些用于解释复杂深度学习模型的方法。可解释AI是一个快速发展的领域，本书将该领域的前沿研究简化为你可以在Python中实现的实际方法。

本书旨在帮助你实施最新的可解释 AI技术，以构建公平且可解释的 AI系统。可解释 AI是当今 AI研究中的热门话题，但只有少数资源和指南涵盖了所有重要技术,这些技术对实践者来说非常有价值。本书旨在填补这一空白。

本书读者对象

本书既适合那些有兴趣深入了解其模型工作原理以及如何构建公平且无偏见模型的数据科学家和工程师，又适合想要了解如何让 AI模型确保公平和保护业务用户、品牌的架构师和业务利益相关者。

主要内容

● 解释AI模型的技术
● 最大限度地减少错误、偏见、数据泄露和概念漂移
● 度量公平性和减少偏见
● 构建符合GDPR的AI系统
 

作者简介

Ajay Thampi 在机器学习领域具有扎实的基础。他的博士研究主要专注于信号处理和机器学习。他发表过许多关于强化学习、凸优化和传统机器学习技术应用于5G移动网络的论文。Ajay 目前在一家大型科技公司担任机器学习工程师，主要关注负责任的AI和AI公平性。在此之前，Ajay是微软的高级数据科学家，负责为各行各业(如制造业、零售业和金融业)的客户部署复杂的人工智能解决方案。

名人推荐

对于AI项目的具体实施者来说，这是一本值得一读的关于可解释AI的入门级图书。”
——Pablo Roccatagliata，
托尔夸托迪特利亚大学
“Ajay Thampi以易于理解的方式解释了机器学习中可解释的重要性。”
——Ariel Gamiño，
Athenahealth公司
“对于新手和专家来说，本书揭开了可解释AI的神秘面纱。”
——Vijayant Singh，
Razorpay公司
本书通过具体示例帮助读者理解构建可解释AI系统的过程。”
——Izhar Haq
长岛大学