Yorumlanabilir Makine Öğrenmesi
  • Yorumlanabilir Yapay Öğrenme
  • Bölüm 1 - Yazarın Önsözü
  • Bölüm 1.1 Çevirmenin Önsözü
  • Bölüm 2 - Giriş
    • 2.1 Hikaye Zamanı
    • 2.2 Makine Öğrenmesi Nedir?
    • 2.3 Terminoloji
  • 3. Yorumlanabilirlik
    • 3.1 Yorumlanabilirliğin Önemi
    • 3.2 Yorumlanabilirlik Yöntemlerinin Sınıflandırılması
    • 3.3 Yorumlanabilirliğin Kapsamı
    • 3.4 Yorumlanabilirliğin Değerlendirilmesi
    • 3.5 Açıklamaların Özellikleri
    • 3.6 İnsan Dostu Açıklamalar
  • 4 Veri Setleri
    • 4.1 Bisiklet Kiralama (Bike Rentals)- Regresyon
    • 4.2 Youtube Spam Yorumları (Metin Sınıflandırma)
    • 4.3 Rahim Ağzı Kanseri Risk Faktörleri (Sınıflandırma)
  • 5. Yorumlanabilir Modeller
    • 5.1 Doğrusal Regresyon (Linear Regression)
    • 5.2 Lojistik Regresyon (Logistic Regression)
    • 5.3 GLM, GAM ve Fazlası
    • 5.4 Karar Ağaçları (Decision Tre)
    • 5.5 Karar Kuralları (Decision Rules)
    • 5.6 RuleFit
    • 5.7 Diğer Yorumlanabilir Modeller
  • 6. Model Agnostik Metotlar (Model-Agnostic Methods)
  • 7. Örnek Tabanlı Açıklamalar (Example-Based Explanations)
  • 8.Küresel Model Agnostik Metotlar (Global Model-Agnostic Methods)
    • 8.1 Kısmi Bağımlılık Grafiği - Partial Dependency Plot
    • 8.2. Biriktirilmiş Yerel Etki (Accumulated Local Effects-ALE) Grafikleri
    • 8.3 Öznitelik Etkileşimi (Feature Interaction)
    • 8.4 Fonksiyonel Ayrıştırma (Functional Decomposition)
    • 8.5 Permütasyon Öznitelik Önemi (Permutation Feature Importance)
    • 8.6 Küresel Vekil Modeli (Global Surrogate)
    • 8.7 Prototipler ve Eleştiriler (Prototypes and Criticisms)
  • 9. Yerel Modelden Bağımsız Yöntemler (Local Model-Agnostic Methods)
    • 9.1 Bireysel Koşullu Beklenti (Individual Conditional Expectation)
    • 9.2 Yerel Vekil (Local Surrogate) (LIME)
    • 9.3 Karşıt Gerçekçi Açıklamalar (Counterfactual Explanations)
    • 9.4 Kapsamlı Kurallar (Scoped Rules (Anchors))
    • 9.5 Shapley Değerleri (Shapley Values)
    • 9.6 SHAP (SHapley Additive exPlanations)
  • 10. Sinir Ağları Yorumlaması
    • 10.1 Öğrenilmiş Özellikler (Learned Features)
    • 10.2 Piksel İlişkilendirmesi (Pixel Attribution)
    • 10.3 Kavramları Belirleme (Detecting Concepts)
    • 10.4 Kötü Amaçlı Örnekler (Adversarial Examples)
    • 10.5 Etkili Örnekler (Influential Instances)
  • 11. Kristal Küreye Bir Bakış
    • 11.1 Makine Öğrenmesinin Geleceği
      • 11.2 Yorumlanabilirliğin Geleceği
  • 12. Teşekkürler
  • Referanslar
  • Kullanılan R paketleri
Powered by GitBook
On this page

12. Teşekkürler

Bu kitabı yazmak (ve hala) çok eğlenceliydi. Ama aynı zamanda çok fazla emek de gerektirdi ve aldığım destekten çok memnunum.

En büyük teşekkürlerim, saatler ve emek açısından en zor işi yapan Katrin'e gidiyor: kitabı baştan sona okuyup düzeltme yaptı ve benim asla bulamayacağım birçok yazım hatası ve tutarsızlık keşfetti. Desteği için çok minnettarım.

Bütün konuk yazarların da büyük teşekkürlerini iletiyorum. İnsanların kitaba katkıda bulunmakla ilgilendiğini öğrenmek gerçekten şaşırtıcıydı. Ve çabaları sayesinde, kitabın içeriği geliştirilebildi! Tobias Goerke ve Magdalena Lang Scoped Rules (Anchors) hakkında bölümü yazdılar. Fangzhou Li Detecting Concepts hakkında bölüme katkıda bulundu. Ve Susanne Dandl Counterfactual Examples bölümünü büyük ölçüde geliştirdi. Son olarak, Verena Haunschmid resimler için LIME açıklamaları hakkında bölümü yazdı. Ayrıca geri bildirim sağlayan ve doğrudan GitHub'da düzeltmelere katkıda bulunan tüm okuyuculara teşekkür etmek istiyorum!

Ayrıca, illüstrasyonları yaratan herkese teşekkür etmek istiyorum: Kapak, arkadaşım @YvonneDoinel tarafından tasarlandı. Shapley Value bölümündeki grafikler Heidi Seibold tarafından oluşturuldu, aynı zamanda adversarial examples bölümündeki kaplumbağa örneği de. Verena Haunschmid, RuleFit bölümündeki grafiği oluşturdu.

Her zaman beni destekleyen eşime ve aileme de teşekkür etmek istiyorum. Özellikle eşim, kitap hakkında çokça gevezelik etmemi dinlemek zorunda kaldı. Kitabın yazımıyla ilgili birçok kararda bana yardımcı oldu.

Bu kitabı yayımlama şeklim biraz alışılmadıktır. Öncelikle, sadece ciltli ve e-kitap olarak değil, aynı zamanda tamamen ücretsiz bir web sitesi olarak da mevcuttur. Bu kitabı oluşturmak için kullandığım yazılım, R kodu ve metni kolayca birleştirmeyi sağlayan birçok R paketini geliştiren Yihui Xie tarafından yazılan bookdown'dur. Çok teşekkürler! Kitabı ilerleme halinde bir kitap olarak yayımladım, bu da bana geri bildirim almak ve yol boyunca paraya dönüştürmek için çok yardımcı oldu. Ayrıca, büyük bir yayıncı ismi arkasında olmadan bu kitabı okuduğunuz için sevgili okuyucuya da teşekkür etmek istiyorum.

Bavyera Eyaleti Bilim ve Sanat Bakanlığı'nın Centre Digitisation.Bavaria (ZD.B) çerçevesinde ve Bavyera Dijital Dönüşüm Araştırma Enstitüsü (bidt) tarafından izlenebilir makine öğrenimi üzerine yaptığım araştırmaların finansmanı için minnettarım.

Previous11.2 Yorumlanabilirliğin GeleceğiNextReferanslar

Last updated 5 months ago