可解释机器学习:黑盒模型可解释性理解指南
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人

推荐序二

朱明超同学是2018 年作为推免研究生进入复旦大学计算机学院学习的。我作为他的导师,在两年多工作和生活的接触中,发现他是一位对生活积极乐观、对学习认真专注的同学。

我们实验室从事机器学习、深度学习和自然语言处理等方面的研究。在此次人工智能热潮中,以深度学习为代表的大型复杂黑盒模型在不断地大幅刷新各类学习任务SOTA 性能,同时也因缺乏解释性而限制了其应用范围。研究和建立事前、事中和事后的全过程可解释性机制具有重要的理论研究意义和应用价值。结合实验室的研究方向和朱明超同学的个人兴趣,从入学开始,便选择了可解释机器学习作为他的研究课题,进行系统的学习和研究。

目前在可解释机器学习方面的中文资料相当稀缺,缺少相关的系统性教学及科研资料。朱明超所翻译的Christoph Molnar 博士撰写的《可解释机器学习》一书恰好填补了这一空白。他在翻译本书过程中极其认真,倾注了大量的时间和心血。这种认真的态度,保障了本书内容的质量。

本书覆盖了可解释机器学习最基本的概念和算法,条分缕析,通俗易懂。更可贵的是,本书将可解释性算法的理论、优缺点和实际使用过程结合起来,具有很强的实用性。在可解释机器学习受到研究界高度关注、实践需求快速增长的背景下,本书是一本很好的读物,相信不同的读者都会从中获益。

谢志鹏

复旦大学计算机学院副教授