บทนำ

จักรกลเรียนรู้มีประโยชน์เป็นอย่างมากในการใช้ปรับปรุงผลิตภัณฑ์ กระบวนการ และการใช้งานในการวิจัย หนังสือเล่มนี้กล่าวถึงกลไกในการแปลความจักรกลเรียนรู้และผลลัพธ์จากการคาดเดาของมัน

หนังสือเล่มนี้เริ่มต้นด้วยการอธิบายแนวคิดของการแปลความได้ คุณจะได้เริ่มเรียนรู้เกี่ยวกับแบบจำลองแปลความได้ ซึ่งโดยมากเป็นแบบจำลองที่ไม่ซับซ้อน เช่นต้นไม้ตัดสินใจ (decision trees) กฎการตัดสินใจ (decision rules) และการถดถอยเชิงเส้น (linear regression) และส่วนหลังในหนังสือพูดถึงขั้นตอนวิธีในการแปลความแบบจำลองชนิดกล่องดำ (black box model) ซึ่งสามารถใช้ได้กับแบบจำลองใดๆ (model-agnostic) อาทิการคำนวณค่าความสำคัญของคุณลักษณะ (feature importance) และค่าผลกระทบสะสม (accumulated local effects) รวมถึงการอธิบายผลการคาดเดาจุดใดจุดหนึ่งผ่านขั้นตอนวิธีเช่น Shapley Values และ LIME

ในหนังสือเล่มนี้ เราจะพูดถึงขั้นตอนวิธีในการแปลความทั้งในแง่รายละเอียดทางเทคนิกและข้อจำกัด เช่นว่า ขั้นตอนวิธีเหล่านี้มีวิธีการทำงานเบื้องหลังอย่างไร มีข้อดีหรือข้อเสียอย่างไร และเราจะแปลความหมายของผลลัพธ์อย่างไร โดยที่เป้าหมายของหนังสือเล่มนี้คือเพื่อให้ผู้อ่านสามารถเลือกขั้นตอนวิธีการแปลความไปใช้กับงานจักรกลเรียนรู้ที่ผู้อ่านกำลังทำได้อย่างเหมาะสม

แบบจำลองที่ใช้ในการยกตัวอย่างภายในหนังสือเล่มนี้ส่วนมากเป็นแบบจำลองบนข้อมูลโครงสร้างตาราง (กล่าวคือเป็นข้อมูลที่มีโครงสร้างตายตัว) โดยจะไม่ได้กล่าวถึงแบบจำลองสำหรับการมองเห็นของคอมพิวเตอร์ (computer vision) และการประมวลผลภาษาธรรมชาติ (natural language processing) มากนัก หนังสือเล่มนี้เหมาะสำหรับผู้ต้องการนำจักรกลเรียนรู้ไปใช้งานจริง (machine learning practitioner) นักวิทยาศาสตร์ข้อมูล (data scientist) นักสถิติ และผู้ที่สนใจการทำให้แบบจำลองจักรกลเรียนรู้แปลความไดั

คุณสาามารถซื้อหนังสือเล่มนี้ (ฉบับภาษาอังกฤษ) ในรูปแบบไฟล์ PDF และ e-book ได้ผ่านเว็บไซต์ leanpub.com.

คุณสามารถซื้อหนังสือเล่มนี้ในแบบฉบับพิมพ์ได้ที่ lulu.com.

เกี่ยวกับผู้เขียน (ฉบับภาษาอังกฤษ): ผมชื่อคริสโตเฟอร์ โมลนาร์ (Christoph Molnar) เป็นนักสถิติและนักจักรกลเรียนรู้ เป้าหมายของผมคือทำให้แบบจำลองจักรกลเรียนรู้แปลความได้

อีเมล: christoph.molnar.ai@gmail.com

เว็บไซต์: https://christophm.github.io/

มาฟอลโลว์ทวิตเตอร์ได้นะ! @ChristophMolnar

ออกแบบหน้าปกโดย @YvonneDoinel

Creative Commons License

Creative Commons License

หนังสือเล่มนี้ใช้สัญญาอนุญาต Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.