AI可解释性（Python语言版）

《AI可解释性（Python语言版）》提供了当前的概念和可用的技术的全面介绍，使机器学习系统更易于解释。所提出的方法可以应用于几乎所有当前机器学习模型: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。

机器学习的进展是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)。虽然指导这些智能体设计的原则已被理解，但目前的大多数深度学习模型对人类的理解是“不透明的”。AI可解释性( Python语言描述)从理论和实践的角度填补了目前关于这个新兴主题文献空白，使读者能够快速地使用AI可解释性的工具和代码。

Leonida Gianfagna博土是一位理论物理学家，也是一名MBA硕士。目前他在网络安全领域工作，担任Cyber Guru的研发总监。在Cyber Guru之前，他在IBM工作了15年，担任ITSM (IT服务管理)软件开发的领导角色。L eonida出版了多篇理论物理学和计算机科学领域作品，并被认定为IBM发明大师。

Antonio Di Cecco是-位理论物理学家，拥有强大的数学背景。他全面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 AIML 模型的数学基础的教育方法，并打开了新的角度来展示AIML知识和现有技术的改进空间。Antonio还拥有专注于创新和教学经验的经济学硕士学位。在意大利，他领导着人工智能学院，该学院在罗马和佩斯卡拉设有分会。