หนังสือว่าด้วยการอธิบายการติดสินใจและพฤติกรรมของแบบจำลองจักรกลเรียนรู้

**อ่านหนังสือฉบับภาษาไทยได้ที่ https://srakrn.github.io/interpretable-ml-book-th **

สามารถอ่านหน้า "หมายเหตุโดยผู้แปล" สำหรับคำแนะนำในการร่วมแปลฉบับภาษาไทย

• ศิระกร ลำใย

(เนื้อหาต่อไปนี้ยกมาจากไฟล์ README.md ต้นฉบับบางส่วน)

คุณสามารถอ่านหนังสือ (ฉบับภาษาอังกฤษ) ได้ที่ https://christophm.github.io/interpretable-ml-book/

หนังสือเล่มนี้เกี่ยวกับการแปลความจักรกลเรียนรู้--ในปัจจุบัน จักรกลเรียนรู้ถูกใช้งานอย่างแพร่หลายในผลิตภัณฑ์และกระบวนการหลายอย่างในชีวิตเรา อย่างไรก็ตามการตัดสินใจใดๆ ของจักรกลไม่ได้มาพร้อมกับคำอธิบายในการตัดสินใจนั้นโดยอัตโนมัติ

การที่จักรกลสามารถอธิบายการตัดสินใจใดๆ ของมันได้ จะช่วยเพิ่มความมั่นใจในตัวของจักรกลเอง และในฐานะโปรแกรมเมอร์ที่สร้างขั้นตอนวิธีการตัดสินใจ เราต่างก็อยากรู้ว่าเราสามารถเชื่อใจในตัวแบบจำลองและการตัดสินใจของมันได้หรือไม่ แบบจำลองของเราเรียนรู้ได้ดีหรือเปล่า หรือเราเผลอสอนแบบจำลองด้วยข้อมูลที่มีสิ่งเจือปนหรือไม่

หนังสือเล่มนี้จะพูดถึงภาพรวมของเทคนิกต่างๆ ที่สามารถใช้ในการช่วยให้แบบจำลองแบบกล่องดำนั้นสามารถเข้าใจและแปลความได้ ในช่วงแรกของหนังสือเราจะพูดถึงแบบจำลองและขั้นตอนวิธีการเรียนรู้ที่เราสามารถแปลความ และเข้าใจกระบวนการตัดสินใจของมันได้โดยตรง และช่วงหลังของหนังสือจะพูดถึงขั้นตอนวิธีในการวิเคราะห์แบบจำลองการเรียนรู้เชิงลึกรวมถึงการเข้าใจกระบวนการตัดสินใจ

ในอนาคตที่เป็นอุดมคติ จักรกลเรยีนรู้จะสามารถอธิบายการตัดสินใจใดๆ ของมันได้ และช่วยให้โลกที่ถูกขับเคลื่อนด้วยระบบอัตโนมัติและขั้นตอนวิธีมีความเป็นมนุษย์มากขึ้น หนังสือเล่มนี้เหมาะสำหรับผู้สร้างระบบจักรกลเรียนรู้ นักวิทยาศาสรต์ข้อมูล นักสถิติ และผู้ที่เกี่ยวข้องในการตัดสินใจใช้ระบบจักรกลเรียนรู้หรือระบบปัญญาประดิษฐ์อื่นๆ

หนังสือเล่มนี้ใช้ Travis CI ในการรวมเล่มไฟล์ HTML ไปยังบรานช์ gh-pages

อ่านวิธีการร่วมเขียนหนังสือ (ฉบับภาษาอังกฤษ) ได้ที่นี่

[หมายเหตุผู้แปล: สำหรับรายละเอียดการร่วมแปลฉบับภาษาไทย กรุณาอ่านหัวข้อ "การร่วมแปลหนังสือ" ในเล่มภาษาไทย]