jphall663/awesome-machine-learning-interpretability
کاربرد:
این پروژه یک مجموعهٔ دست‌نخورده از منابع عالی در زمینهٔ تفسیرپذیری مدل‌های یادگیری ماشین و هوش مصنوعی مسئولیت‌پذیر است. به شما کمک می‌کند تا بفهمید مدل‌های پیچیده چگونه تصمیم می‌گیرند و چطور می‌توان آن‌ها را شفاف‌تر و قابل اعتمادتر کرد.
در چه شرایطی بهتره استفاده شود؟
وقتی کار با مدل‌های ML داری و نیاز داری بفهمی چرا مدل یک تصمیم خاص گرفته، مخصوصاً در حوزه‌های حساس مثل پزشکی، بانک‌داری یا حقوقی. همچنین وقتی می‌خوای مدل‌هات رو قانونی، اخلاقی و شفاف نگه داری، این لیست یه راهنمأ عالیه.
چند مثال از موارد استفاده
- بررسی علت پیش‌بینی نادرست یک مدل تشخیص بیماری
- توضیح دلیل رد درخواست وام به یک مشتری در بانک
- ارزیابی سوگیری در سیستم‌های استخدامی مبتنی بر هوش مصنوعی
- مستندسازی تصمیمات مدل برای رعایت قوانین GDPR یا دیگر مقررات
- ##MachineLearning
- ##Interpretability
- ##ResponsibleAI
- ##ExplainableAI
- ##ModelTransparency
- ##EthicalAI
- ##AIethics
- ##MLops