“Interpretable Machine Learning” book translation project, by Hatma Suryotrisongko and Smart City & Cybersecurity Laboratory, Information Technology, ITS.

Machine learning memiliki potensi besar untuk meningkatkan produk, proses, dan penelitian.
Namun komputer biasanya tidak menjelaskan prediksinya yang menjadi penghalang penerapan machine learning.
Buku ini tentang membuat model machine learning dan keputusannya dapat ditafsirkan.

Setelah menjelajahi konsep interpretabilitas, Anda akan belajar tentang interpretable models sederhana seperti decision trees, decision rules, dan linear regression.
Bab selanjutnya berfokus pada metode model-agnostic umum untuk menafsirkan model black box seperti feature importance dan accumulated local effects serta menjelaskan prediksi individu dengan nilai Shapley dan LIME.

Semua metode interpretasi dijelaskan secara mendalam dan dibahas secara kritis.
Bagaimana cara kerja mereka?
Apa kekuatan dan kelemahan mereka?
Bagaimana output mereka dapat diinterpretasikan?
Buku ini akan memungkinkan Anda untuk memilih dan menerapkan dengan benar metode interpretasi yang paling cocok untuk proyek machine learning Anda.

Buku ini berfokus pada model machine learning untuk data tabular (juga disebut data relasional atau terstruktur) dan lebih sedikit pada computer vision dan tugas natural language processing. Membaca buku ini direkomendasikan untuk praktisi machine learning, ilmuwan data, ahli statistik, dan siapa pun yang tertarik untuk membuat model machine learning dapat ditafsirkan.

Tertarik untuk berkontribusi memperbaiki terjemahan bahasa Indonesia ini?

GitHub = https://github.com/keamanansiber/interpretable-ml-book-indonesia (Branch= Indonesia)

Website = https://interpretable-ml.keamanansiber.id/

Video Demonstrasi XAI = https://youtu.be/fWApggfIz6c

Daftar Isi

• Ringkasan
• Kata Pengantar oleh Penulis
• 1 Pengenalan
  • 1.1 Waktu Cerita
  • 1.2 Machine Learning?
  • 1.3 Terminologi
• 2 Interpretabilitas
  • 2.1 Pentingnya Interpretabilitas
  • 2.2 Taksonomi Metode Interpretabilitas
  • 2.3 Cakupan dari Interpretabilitas
  • 2.4 Evaluasi dari Interpretabilitas
  • 2.5 Sifat Penjelasan
  • 2.6 Penjelasan Ramah Manusia
• 3 Kumpulan Data
  • 3.1 Penyewaan Sepeda (Regression)
  • 3.2 Komentar Spam YouTube (Text Classification)
  • 3.3 Faktor Risiko Kanker Serviks (Classification)
• 4 Model yang Dapat Ditafsirkan
  • 4.1 Linear Regression
  • 4.2 Logistic Regression
  • 4.3 GLM, GAM and more
  • 4.4 Decision Tree
  • 4.5 Decision Rules
  • 4.6 RuleFit
  • 4.7 Model Interpretable Lainnya
• 5 Metode Model-Agnostic
  • 5.1 Partial Dependence Plot (PDP)
  • 5.2 Individual Conditional Expectation (ICE)
  • 5.3 Accumulated Local Effects (ALE) Plot
  • 5.4 Feature Interaction
  • 5.5 Permutation Feature Importance
  • 5.6 Global Surrogate
  • 5.7 Local Surrogate (LIME)
  • 5.8 Scoped Rules (Anchors)
  • 5.9 Shapley Values
  • 5.10 SHAP (SHapley Additive exPlanations)
• 6 Penjelasan Berbasis Contoh
  • 6.1 Penjelasan Kontrafaktual
  • 6.2 Contoh Adversarial
  • 6.3 Prototipe dan Kritik
  • 6.4 Instance yang Berpengaruh
• 7 Interpretasi Jaringan Saraf Tiruan
  • 7.1 Fitur yang Dipelajari
  • 7.2 Pixel Attribution (Saliency Maps)
  • 7.3 Mendeteksi Konsep
• 8 Pandangan ke dalam Bola Kristal
  • 8.1 Masa Depan Machine Learning
  • 8.2 Masa Depan Interpretabilitas
• 9 Berkontribusi pada Buku
• 10 Mengutip Buku ini
• 11 Terjemahan
• 12 Ucapan Terima Kasih
• Referensi
  • Paket R Digunakan

Sumber: Interpretable Machine Learning

A Guide for Making Black Box Models Explainable.

Christoph Molnar

2021-06-14

You can buy the PDF and e-book version (epub, mobi) on leanpub.com.

You can buy the print version on lulu.com.

About me: My name is Christoph Molnar, I’m a statistician and a machine learner.
My goal is to make machine learning interpretable.

Mail: christoph.molnar.ai@gmail.com

Website: https://christophm.github.io/

Follow me on Twitter! @ChristophMolnar

Cover by @YvonneDoinel

Creative Commons License

This book is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.