کتاب تفسیرپذیری مدل: درک تصمیمات با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تفسیرپذیری مدل: درک تصمیمات

موضوع کلی: علم داده

موضوع میانی: ارزیابی مدل

📋 سرفصل‌های دوره

• 1. تفسیرپذیری مدل‌های یادگیری ماشین
• 2. مفاهیم پایه تفسیرپذیری
• 3. اهمیت تفسیرپذیری در تصمیم‌گیری
• 4. انواع مدل‌های قابل تفسیر
• 5. معرفی مدل‌های خطی و ضرایب آن‌ها
• 6. تفسیر ضرایب در مدل‌های رگرسیونی
• 7. تحلیل اهمیت ویژگی‌ها در مدل‌های خطی
• 8. درخت‌های تصمیم و نحوه تفسیر آن‌ها
• 9. قوانین استخراج شده از درخت‌های تصمیم
• 10. اهمیت ویژگی‌ها در درخت‌های تصمیم
• 11. مدل‌های مبتنی بر قانون و تفسیر آن‌ها
• 12. روش‌های محلی قابل تفسیر (LIME)
• 13. روش‌های سراسری قابل تفسیر (SHAP)
• 14. مقایسه LIME و SHAP
• 15. تفسیرپذیری مدل‌های جنگل تصادفی
• 16. تفسیرپذیری مدل‌های گرادیان بوستینگ
• 17. تفسیرپذیری شبکه‌های عصبی
• 18. روش‌های تجسم‌سازی تصمیمات شبکه‌های عصبی
• 19. تکنیک‌های فعال‌سازی (Activation) و نقش آن‌ها در تفسیر
• 20. تفسیرپذیری مدل‌های پردازش زبان طبیعی (NLP)
• 21. اهمیت توجه (Attention) در مدل‌های NLP
• 22. تفسیرپذیری مدل‌های بینایی کامپیوتر
• 23. نقش نقشه‌های فعال‌سازی در تفسیر تصاویر
• 24. تفسیرپذیری مدل‌های مبتنی بر کرنل
• 25. تفسیرپذیری مدل‌های خوشه‌بندی
• 26. ارزیابی کیفیت تفسیرپذیری
• 27. معیارهای ارزیابی تفسیرپذیری مدل
• 28. تفسیرپذیری و اعتماد به مدل
• 29. تفسیرپذیری و رفع خطا در مدل
• 30. تفسیرپذیری و بهبود عملکرد مدل
• 31. تفسیرپذیری در کاربردهای پزشکی
• 32. تفسیرپذیری در کاربردهای مالی
• 33. تفسیرپذیری در کاربردهای حقوقی
• 34. تفسیرپذیری در کاربردهای بازاریابی
• 35. چالش‌های تفسیرپذیری در داده‌های بزرگ
• 36. تفسیرپذیری در مدل‌های پیچیده
• 37. تفسیرپذیری و حریم خصوصی
• 38. تفسیرپذیری و اخلاق در هوش مصنوعی
• 39. ابزارهای متن‌باز برای تفسیرپذیری مدل
• 40. کاربرد کتابخانه‌های پایتون برای تفسیرپذیری
• 41. مستندسازی تفسیرپذیری مدل
• 42. گزارش‌دهی در مورد تفسیرپذیری مدل
• 43. مطالعات موردی: تفسیرپذیری در عمل
• 44. بهینه‌سازی مدل برای افزایش تفسیرپذیری
• 45. تفسیرپذیری و قابلیت توضیح (Explainability)