이책에서다루는내용
AI모델해석기법
편향,데이터누수,개념드리프트에따른오류에대처하는방법
공정성을측정하고편향을완화하는방법
GDPR을준수하는AI시스템을구축하는방법
이책의대상독자
모델의동작방식과공정하고편향없는모델의구축방법을더깊이이해하고자하는데이터과학자및엔지니어를위한책이다.공정성을보장하고비즈니스사용자와브랜드를보호하기위해AI시스템의근간을이루는모델을이해하려는설계자와비즈니스이해관계자에게도유용할것이다.
이책의구성
이책은9개의장과4개의부로구성돼있다.
1부에서는해석가능한AI의세계를소개한다.
1장은다양한유형의AI시스템을살펴보고해석가능성과그중요성을정의한다.화이트박스와블랙박스모델을살펴보고해석가능한AI시스템을구축하는방법을소개한다.
2장은화이트박스모델과이를해석하는방법,특히선형회귀,의사결정트리,GAM(GeneralizedAdditiveModel,일반화가산모델)에초점을둔다.
2부에서는블랙박스모델에초점을맞추고모델이입력을처리하고최종예측에도달하는방법을소개한다.
3장은트리앙상블이라는블랙박스모델클래스와PDP(PartialDependencePlot,부분의존성도표)및특성상호작용도표등범위가글로벌하거나모델의유형에상관없이훈련후에적용할수있는기법을사용해이를해석하는방법을다룬다.
4장은심층신경망을설명하고LIME(LocalInterpretableModel-agnosticExplanation,로컬해석가능한모델애그노스틱설명),SHAP(SHapleyAdditiveexPlanations,샤플리첨가설명),앵커(anchor)와같이범위가로컬이면서모델의유형에상관없이훈련후에적용할수있는기법을사용해이를해석하는방법을다룬다.
5장은합성곱신경망과돌출맵(Saliencymap)을사용해모델이집중하고있는영역을시각화하는방법을다룬다.특히경사,유도역전파,Grad-CAM(경사-가중클래스활성화매핑),유도Grad-CAM,SmoothGrad(평탄화경사)등과같은기술에중점을둔다.
3부에서는블랙박스모델을계속다루지만,블랙박스모델이학습한특성이나표현을이해하는단계로이동한다.
6장은합성곱신경망을분석해신경망의중간및히든레이어에서학습한데이터표현을이해하는방법을살펴본다.
7장은언어모델과PCA(PrincipalComponentAnalysis,주성분분석)및t-SNE(t-distributedStochasticNeighborEmbedding,t-분산확률적이웃임베딩)와같은기술을사용해그것이학습한고차원표현을시각화하는방법을다룬다.
4부에서는공정성과편향에초점을맞춰설명가능한AI를위한길을제시한다.
8장은공정성에대한다양한정의와모델이편향됐는지확인하는방법을다룬다.또한편향을완화하는기법과AI시스템의이해관계자및사용자에대한모델의투명성과책임성을개선하는데도움이되는데이터시트(datasheet)를사용한데이터세트의정보를문서화하는표준접근방식을설명한다.
9장은설명가능한AI시스템을구축하는방법을이해함으로써시스템을구축할수있는길을제시하고반사실적예를사용한대조적인설명을다룬다.