Bøker av Przemyslaw Biecek

Tahmin modellerini sorumlu bir yaklä¿mla nas¿l kurabiliriz? Bu, farkl¿ deneyim seviyelerindeki veri bilimciler taraf¿ndan bana s¿kl¿kla sorulan bir sorudur. Görünü¿te basit ama ayn¿ zamanda zorlay¿c¿, çünkü ele al¿nmas¿ gereken farkl¿ paydälara ait birkaç ortogonal konu ve bak¿¿ aç¿s¿ var.Model geli¿tiriciler, model e¿itiminin otomasyonuna, performans¿n¿n izlenmesine, hata ay¿klamaya ve MLOps ile ilgili di¿er konulara odaklan¿r. Tahmin modelleri kullan¿c¿lar¿ aç¿klanabilirlik, ¿effafl¿k ve güvenlikle daha fazla ilgilenirken, adalet, önyarg¿, etik ise çöunlukla toplumu ilgilendiren konulard¿r. Düzenleyiciler, özellikle büyük ölçekli etkileri olan model kullan¿mlar¿n¿n sonuçlar¿ ile ilgilenmektedir.Bu bak¿¿ aç¿lar¿n¿ dikkate alarak, Sorumlu Makine Ö¿renmesi (RML) ile ilgili üç temel unsura odaklan¿yoruz.Algoritmalar - Genellikle, verideki karmä¿k ili¿kileri ortaya ç¿karmak için geli¿mi¿ ve esnek makine ö¿renmesi algoritmalar¿ kullanman¿z gerekir. Ancak, nas¿l çal¿¿t¿klar¿ anlä¿lmadan kullan¿lmamal¿d¿r. Do\-la\-y¿\-s¿y\-la sorumlu modelleme hakk¿nda bir tart¿¿ma, karmä¿k modellerin nas¿l çal¿¿t¿¿¿ konusuna mutlaka de¿inmelidir.Yaz¿l¿m - Geli¿mi¿ modellerin e¿itimi, yöun hesaplama gerektiren bir süreçtir. Verimli e¿itime izin veren paketler, birer mühendislik harikas¿d¿r. Profesyoneller iyi araçlar kullan¿r, bu nedenle sorumlu modellemeyle ilgili bir hikaye yaz¿l¿rsa, mutlaka iyi yaz¿l¿mla ilgili bir bölüm içermelidir.Süreç - Tahmin modelleri kurmak yaln¿zca araçlarla ilgili de¿il, ayn¿ zamanda planlama, lojistik, ileti¿im, teslim tarihleri ve hedeflerle de ilgilidir. Veri ve model ke¿fi süreci tekrarl¿ bir süreçtir, her tekrarda oldüu gibi, giderek daha iyi modellere ulä¿r¿z. Araçlar¿ ne zaman ve nas¿l kullanacä¿n¿z¿ bilmiyorsan¿z, yaln¿zca araçlar¿ kullanabilmek yeterli olmaz. Bu nedenle sorumlu modellemeden önce modelleme süreçlerin ele al¿nmas¿ gerekiyor.Bu kitap, bahsedilen bu yönleri ayn¿ anda bir araya getiren bir içeri¿e sahiptir. ¿çeri¿i, baz¿ modern makine ö¿renmesi yöntemlerini ve çal¿¿ma mekanizmalar¿ndan olümaktad¿r. Yöntemler, R dilinde Rcran yaz¿lm¿¿ örnek kodlarla desteklenmi¿tir. Beta ve Bit adl¿ iki karakterin maceralar¿n¿ anlatan bir çizgi roman ile anlat¿m hikayele¿tirilmi¿tir. Bu etkile¿im, farkl¿ bir model denemek, ke¿if için bäka bir yöntem denemek, veya bäka verileri aramak gibi analistlerin s¿kl¿kla kar¿¿ kar¿¿ya kald¿klar¿, modeller nas¿l kar¿¿lät¿r¿l¿r veya nas¿l dörulan¿r

Este libro es un enredo único de teoría, ejemplos y procesos relevantes para el Aprendizaje Automático Responsable. Encontrará intuiciones y ejemplos para el Aprendizaje Automático Interpretable (IML) y la Inteligencia Artificial eXplicable (XAI). Las descripciones se complementan con fragmentos de código con ejemplos para R con el uso de los paquetes randomForest, mlr3 y DALEX. Finalmente, el proceso se muestra a través de un cómic que describe las aventuras de dos personajes, Beta y Bit. La interacción de estos dos muestra las decisiones a las que a menudo se enfrentan los analistas, ya sea para probar un modelo diferente, para probar otra técnica de exploración o para buscar otros datos, cuestiones como la comparación de modelos o su validación.Todos los ejemplos son totalmente reproducibles, de modo que se pueden reproducir todas las aventuras en un escritorio local.El desarrollo de modelos es una tarea responsable y desafiante, pero también una aventura apasionante. A veces los libros de texto se centran sólo en la parte técnica, perdiendo toda la diversión. Aquí lo vamos a tener todo.