Αυτό το ολοκληρωμένο βιβλίο σχετικά με την Εξηγήσιμη Τεχνητή Νοημοσύνη έχει ενημερωθεί και επεκταθεί για να αντικατοπτρίζει τις τελευταίες εξελίξεις στον τομέα του XAI, εμπλουτίζοντας την υπάρχουσα βιβλιογραφία με νέες έρευνες, μελέτες περιπτώσεων και πρακτικές τεχνικές.
Η Δεύτερη Έκδοση επεκτείνεται σε σχέση με τον προκάτοχό της, αντιμετωπίζοντας τις εξελίξεις στην ΤΝ, περιλαμβάνοντας μεγάλα γλωσσικά μοντέλα και πολυμόρφους συστήματα που ενσωματώνουν κείμενο, οπτικά, ακουστικά και αισθητήρια δεδομένα. Τονίζεται η ανάγκη να γίνονται οι πολύπλοκες συστημικές δομές καταληπτές χωρίς να θυσιάζεται η απόδοση, παρέχοντας έναν ενισχυμένο προσανατολισμό σε προσθετικά μοντέλα για βελτιωμένη επεξηγηματικότητα. Ισορροπώντας την τεχνική αυστηρότητα με την προσβασιμότητα, το βιβλίο συνδυάζει τη θεωρία με την πρακτική εφαρμογή, εξοπλίζοντας τους αναγνώστες με τις δεξιότητες που χρειάζονται για να εφαρμόσουν αποτελεσματικά τις μεθόδους εξηγήσιμης ΤΝ (XAI) σε πραγματικά περιβάλλοντα.
Χαρακτηριστικά:
- Επέκταση του κεφαλαίου "Εσωτερικά Εξηγήσιμα Μοντέλα" για να εμβαθύνει σε γενικευμένα προσθετικά μοντέλα και άλλες ενδογενείς τεχνικές, εμπλουτίζοντας το κεφάλαιο με νέα παραδείγματα και περιπτώσεις χρήσης για καλύτερη κατανόηση των ενδογενών μοντέλων XAI.
- Περαιτέρω λεπτομέρειες στο "Μοντελο-Αγνώστοι Μέθοδοι για XAI" που επικεντρώνονται στο πώς οι εξηγήσεις διαφέρουν μεταξύ του συνόλου εκπαίδευσης και του συνόλου δοκιμής, περιλαμβάνοντας ένα νέο μοντέλο για να απεικονίσει αυτές τις διαφορές πιο καθαρά και αποτελεσματικά.
- Νέα ενότητα στο "Κάνοντας Επιστήμη με Μηχανική Μάθηση και XAI" που παρουσιάζει μια οπτική προσέγγιση για την εκμάθηση των βασικών λειτουργιών στο XAI, καθιστώντας την έννοια πιο προσβάσιμη στους αναγνώστες μέσω μιας διαδραστικής και ελκυστικής διεπαφής.
- Αναθεώρηση στο "Αντίστροφη Μηχανική Μάθηση και Εξηγήσιμότητα" που περιλαμβάνει ανασκόπηση κώδικα για τη βελτίωση της κατανόησης και της αποτελεσματικότητας των εννοιών που συζητούνται, διασφαλίζοντας ότι τα παραδείγματα κώδικα είναι ενημερωμένα και βελτιστοποιημένα για τις τρέχουσες βέλτιστες πρακτικές.
- Νέο κεφάλαιο "Γενετικά Μοντέλα και Μεγάλα Γλωσσικά Μοντέλα (LLM)" αφιερωμένο στα γενετικά μοντέλα και τα μεγάλα γλωσσικά μοντέλα, ερευνώντας το ρόλο τους στη XAI και πώς μπορούν να χρησιμοποιηθούν για τη δημιουργία πιο πλούσιων, πιο διαδραστικών εξηγήσεων. Αυτό το κεφάλαιο καλύπτει επίσης την εξηγήσιμότητα των μοντέλων μετασχηματιστών και την προστασία της ιδιωτικότητας μέσω γενετικών μοντέλων.
- Νέα "Μίνι-κεφάλαιο για την Τεχνητή Γενική Νοημοσύνη και XAI" που αφιερώνεται στην εξερεύνηση των επιπτώσεων της Τεχνητής Γενικής Νοημοσύνης (AGI) για τη XAI, συζητώντας πώς οι εξελίξεις προς τα συστήματα AGI επηρεάζουν τις στρατηγικές και τις μεθοδολογίες για τη XAI.
- Βελτιώσεις στο "Εξηγώντας Μοντέλα Βαθιάς Μάθησης" με νέες μεθοδολογίες στην εξήγηση μοντέλων βαθιάς μάθησης, επιπλέον εμπλουτισμένες με καινοτόμες τεχνικές και εισηγήσεις για πιο βαθιά κατανόηση.
Σελίδες: 324, Έτος Έκδοσης: 0806, Διαστάσεις: 15.5x15.5cm
Κατασκευαστής
- Είδος
- Τεχνολογία, Υπολογιστές - Πληροφορική , Αθλητισμός, Τεχνητή Νοημοσύνη
- Γλώσσα
- Αγγλικά
- Υπότιτλος
- -
- Εξώφυλλο
- Μαλακό
- Αριθμός σελίδων
- 274
- Ημερομηνία Κυκλοφορίας
- 05/08/2025
- Έτος έκδοσης
- 2025
- Διαστάσεις
- -
- ISBN-13
- 9783031922282
Σημαντική πληροφορία
Τα δεδομένα αυτά συλλέγονται από τις επίσημες σελίδες των προϊόντων. Επιβεβαίωσε τα στοιχεία πριν προχωρήσεις στην τελική αγορά. Εάν παρατηρήσεις κάποιο πρόβλημα μπορείς να το αναφέρεις εδώ.