可解释人工智能导论

1星价 ¥99.5 (6.3折)

2星价￥99.5 定价￥158.0

作者：杨强等

出版社：电子工业出版社

本类榜单：计算机/网络

分类：计算机/网络 > 计算机理论

暂无评论

图文详情

ISBN：9787121431876
装帧：一般胶版纸
册数：暂无
重量：暂无
开本：其他
页数：380
出版时间：2022-04-01
条形码：9787121431876 ; 978-7-121-43187-6

本书特色

适读人群：高等院校计算机和信息处理相关专业的高年级本科生和研究生，以及人工智能领域的研究员和学者阅读；也适合关注人工智能应用及其社会影响力的政策制定者、法律工作者、社会科学研究人士等阐述可解释AI研究的问题和方法，详尽展示其广泛应用和积极作用。 √ 领域名家扛鼎之作。本书汇集了人工智能领域的12位名家，他们均是机器学习、计算机视觉、自然语言处理，以及在生物医疗、金融、推荐系统等应用领域的集大成者，研究成果卓著，本书正是诸位专家数年研究成果的扛鼎之作。 √ 系统全面自成一体。本书讨论了可解释AI 的目的、定义、范畴、面临的挑战及未来发展方向，特别是本书多角度论述了可解释AI 的不足，并提出了基于人机交互沟通的可解释AI 范式。 √ 知识完备循序渐进。作为一本导论性质的介绍图书，本书内容深入浅出，从基础的人工智能的可解释性概念层面展开讨论，先帮助读者建立对可解释AI 的直观、形象的理解，再介绍可解释AI 的前沿方法，*后通过一系列丰富的行业应用案例，巩固读者对书中所介绍的可解释AI 技术的理解，从而完成对可解释AI领域循序渐进的介绍。 √ 理论实践价值兼备。本书系统地论述了可解释AI 的理论发展现状，并按照五类分类介绍了解释性方法，即可解释图模型、贝叶斯深度学习模型、基于知识图谱的可解释模型、基于可解释性的交流学习、对神经网络的解释。同时，本书从介绍了可解释性方法在医疗、金融、视觉、自然语言处理、推荐系统等方面的应用角度出发，明确指出在各种场景下解释所要达到的具体目标。 √ 应用案例翔实丰富。本书从分析对可解释AI 的实际需求出发，深入及时地介绍前沿方法。全书共有15个应用案例，分别包括：基因编辑和医学影像处理，金融量化投资和信用违约预测，模型安全、视觉问答和知识发现，对话系统、智能问答、情感分析和自动文摘，电子商务、社交网站、基于位置的服务和多媒体系统。不同行业的产业从业者，都可以从中了解可解释AI的落地方法。 √ 内容实用覆盖面广。本书覆盖人群广泛，对于入门读者，本书对可解释AI 前沿技术及时归纳梳理，并深入浅出地介绍；对于资深的研究者，本书也给出了进阶的研究路径；对于行业应用者，本书提出了选择不同解决方案的依据。同时，本书也照顾到关注人工智能应用及具有社会影响力的人士，包括政策制定者、法律工作者和社会科学研究人士。 √ 配套资源丰富齐全。本书配备丰富的学习资料，包括配套PPT、可解释AI 相关的开源资源、中英术语对照、索引和全书的参考文献，供读者进一步查阅学习。

内容简介

本书全面介绍可解释人工智能的基础知识、理论方法和行业应用。全书分为三部分，共11 章。**部分为章，揭示基于数据驱动的人工智能系统决策机制，提出一种基于人机沟通交互场景的可解释人工智能范式。第二部分为第2～5 章，介绍各种可解释人工智能技术方法，包括贝叶斯方法、基于因果启发的稳定学习和反事实推理、基于与或图模型的人机协作解释、对深度神经网络的解释。第三部分为第6～10 章，分别介绍可解释人工智能在生物医疗、金融、计算机视觉、自然语言处理、推荐系统等领域的应用案例，详细说明可解释性在司法、城市管理、安防和制造等实际应用中发挥的积极作用。第11 章对全书进行总结，并论述可解释人工智能研究面临的挑战和未来发展趋势。此外，本书的附录给出可解释人工智能相关的开源资源、中英文术语对照及索引，方便读者进一步查阅。本书既适合高等院校计算机和信息处理相关专业的高年级本科生和研究生，以及人工智能领域的研究员和学者阅读；也适合关注人工智能应用及其社会影响力的政策制定者、法律工作者、社会科学研究人士等阅读。

作者简介

杨强加拿大工程院及加拿大皇家科学院两院院士，国际人工智能联合会IJCAI前理事会主席，香港科技大学讲席教授。领衔全球迁移学习和联邦学习研究及应用，*近的著作有《迁移学习》《联邦学习》《联邦学习实战》《隐私计算》等。范力欣微众银行人工智能首席科学家，研究领域包括机器学习和深度学习、计算机视觉和模式识别、图像和视频处理等。朱军清华大学计算机系教授、人智所所长、北京智源人工智能研究院和瑞莱智慧首席科学家，主要从事机器学习研究。陈一昕华夏基金董事总经理，首席数据官兼首席技术官。美国华盛顿大学计算机系教授、大数据科学中心创始主任。研究领域为金融科技、金融数据挖掘、智能投资研究、机器学习、优化算法等。张拳石上海交通大学副教授，博士生导师。研究方向为机器学习和计算机视觉，尤其是神经网络可解释性。朱松纯北京通用人工智能研究院院长，北京大学人工智能研究院院长，清华大学通用人工智能研究院院长。长期致力于构建计算机视觉、认知科学、乃至人工智能科学的统一数理框架。陶大程澳大利亚科学院院士，京东探索研究院首任院长，兼任悉尼大学数字科学研究所顾问及首席科学家。主要关注可信人工智能研究，尤其是深度学习的基础理论、大规模模型分布式训练以及相关的机器视觉应用。崔鹏清华大学计算机系长聘副教授，博士生导师。研究兴趣聚焦于大数据驱动的因果推理和稳定预测、大规模网络表征学习等。周少华中国科学技术大学讲席教授、生物医学工程学院执行院长、影像智能与机器人研究中心（筹）主任、中科院计算所客座研究员、香港中文大学（深圳）客座教授。长期致力于医学影像的研究创新及其应用落地。刘琦同济大学生命科学与技术学院生物信息系长聘教授，博士生导师。致力于发展人工智能和生物组学交叉融合的研究范式，进行精准医学研究。黄萱菁复旦大学计算机科学技术学院教授，博士生导师。研究领域为人工智能、自然语言处理、信息检索和社会媒体分析。张永锋罗格斯大学计算机系助理教授，博士生导师，互联网智能与经济实验室主任。研究兴趣为机器学习、数据挖掘、信息检索和推荐系统等。

本类五星书