- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
베스트
해석 가능한 AI
- 아제이 탐피 저
- 최영재 역
- 에이콘출판
- 2024년 05월 07일
-
정가35,000원
-
판매가31,500원 [10% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금1,750원 적립 [5%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
-
배송료무료배송
-
출고예정일
출고예정일 안내
※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
2026년 02월 05일(목)※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
당일배송 가능지역 검색
“도로명주소”를 쉽게 찾아보세요
1. 도로명으로 검색하기 (예, “직지길” or “직지길+322”)
2. 건물명으로 검색하기 (예, “반디앤루니스빌딩”)
3. 동(읍/면/리) 으로 검색 (예, “인사동” or “인사동+43”)
4. 도로명주소를 모르실 경우 도로명주소 안내시스템(http://www.juso.go.kr)에서 확인해주세요.
시/도
시/군/구
회원리뷰
ISBN: 9791161758411
396쪽
752g
188 x 235 (㎜)
지금 이책은
- 판매지수 : 0
이 분야의 베스트셀러
-
처음 만나는 인공지능 [개정판]
김대수
26,000원
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
책 소개
이 책은
AI 기술이 발전하고 활용 사례가 늘어남에 따라 모델이 한 예측의 안전성과 신뢰성을 확보하기 위해 왜 그런 예측에 도달했는지, 또 어떻게 하면 결과가 달라졌을지 설명을 해야 할 상황도 늘어나고 있다. 머신러닝 모델에 최신 해석 기술을 적용해 공정하고 설명 가능한 AI 시스템을 구축하는 데 도움을 주고자 하는 책이다. 해석 가능성에 대한 얘기는 많지만, 실무에 필요한 기술을 설명하거나 실용적인 지침을 제공하는 자료는 거의 없다. 이 책은 그 격차를 해소하고자 한다.
출판사 리뷰
AI 모델 해석 기법
편향, 데이터 누수, 개념 드리프트에 따른 오류에 대처하는 방법
공정성을 측정하고 편향을 완화하는 방법
GDPR을 준수하는 AI 시스템을 구축하는 방법
이 책의 대상 독자
모델의 동작 방식과 공정하고 편향 없는 모델의 구축 방법을 더 깊이 이해하고자 하는 데이터 과학자 및 엔지니어를 위한 책이다. 공정성을 보장하고 비즈니스 사용자와 브랜드를 보호하기 위해 AI 시스템의 근간을 이루는 모델을 이해하려는 설계자와 비즈니스 이해 관계자에게도 유용할 것이다.
이 책의 구성
이 책은 9개의 장과 4개의 부로 구성돼 있다.
1부에서는 해석 가능한 AI의 세계를 소개한다.
1장은 다양한 유형의 AI 시스템을 살펴보고 해석 가능성과 그 중요성을 정의한다. 화이트박스와 블랙박스 모델을 살펴보고 해석 가능한 AI 시스템을 구축하는 방법을 소개한다.
2장은 화이트박스 모델과 이를 해석하는 방법, 특히 선형 회귀, 의사 결정 트리, GAM(Generalized Additive Model, 일반화 가산 모델)에 초점을 둔다.
2부에서는 블랙박스 모델에 초점을 맞추고 모델이 입력을 처리하고 최종 예측에 도달하는 방법을 소개한다.
3장은 트리 앙상블이라는 블랙박스 모델 클래스와 PDP(Partial Dependence Plot, 부분 의존성 도표) 및 특성 상호작용 도표 등 범위가 글로벌하거나 모델의 유형에 상관없이 훈련 후에 적용할 수 있는 기법을 사용해 이를 해석하는 방법을 다룬다.
4장은 심층 신경망을 설명하고 LIME(Local Interpretable Model-agnostic Explanation, 로컬 해석 가능한 모델 애그노스틱 설명), SHAP(SHapley Additive exPlanations, 샤플리 첨가 설명), 앵커(anchor)와 같이 범위가 로컬이면서 모델의 유형에 상관없이 훈련 후에 적용할 수 있는 기법을 사용해 이를 해석하는 방법을 다룬다.
5장은 합성곱 신경망과 돌출 맵(Saliency map)을 사용해 모델이 집중하고 있는 영역을 시각화하는 방법을 다룬다. 특히 경사, 유도 역전파, Grad-CAM(경사-가중 클래스 활성화 매핑), 유도 Grad-CAM, SmoothGrad(평탄화 경사) 등과 같은 기술에 중점을 둔다.
3부에서는 블랙박스 모델을 계속 다루지만, 블랙박스 모델이 학습한 특성이나 표현을 이해하는 단계로 이동한다.
6장은 합성곱 신경망을 분석해 신경망의 중간 및 히든 레이어에서 학습한 데이터 표현을 이해하는 방법을 살펴본다.
7장은 언어 모델과 PCA(Principal Component Analysis, 주성분 분석) 및 t-SNE(t-distributed Stochastic Neighbor Embedding, t-분산 확률적 이웃 임베딩)와 같은 기술을 사용해 그것이 학습한 고차원 표현을 시각화하는 방법을 다룬다.
4부에서는 공정성과 편향에 초점을 맞춰 설명 가능한 AI를 위한 길을 제시한다.
8장은 공정성에 대한 다양한 정의와 모델이 편향됐는지 확인하는 방법을 다룬다. 또한 편향을 완화하는 기법과 AI 시스템의 이해 관계자 및 사용자에 대한 모델의 투명성과 책임성을 개선하는 데 도움이 되는 데이터시트(datasheet)를 사용한 데이터 세트의 정보를 문서화하는 표준 접근 방식을 설명한다.
9장은 설명 가능한 AI 시스템을 구축하는 방법을 이해함으로써 시스템을 구축할 수 있는 길을 제시하고 반사 실적 예를 사용한 대조적인 설명을 다룬다.
저자 소개
머신러닝에 대한 확고한 배경을 갖고 있다. 박사 학위의 주제는 신호 처리와 머신러닝에 중점을 두고 있다. 5G 셀룰러 네트워크에 적용되는 강화 학습, 볼록 최적화, 전통 머신러닝 기술에 대한 주제로 주요 콘퍼런스 및 잡지에 논문을 발표했다. 현재 책임 있는 AI와 공정성에 관심을 두고 대형 기술 회사에서 머신러닝 엔지니어로 근무하고 있다. 과거에는 마이크로소프트의 선임 데이터 과학자로서 제조, 소매, 금융 등 여러 산업의 고객을 위한 복잡한 AI 솔루션을 배포했다.
역자 소개
소프트웨어 분야에서 일하면서 좀 더 좋은 품질의 제품을 만들기 위해 노력해 왔다. 현재는 소프트웨어 공학과 관련된 강의를 하고 있으며 어떻게 하면 사용자가 안심하고 사용할 수 있는 AI 소프트웨어를 만들 수 있는지를 고민하고 있다.
소프트웨어와 관련된 국내외 표준과 여러 지식 체계의 개발에 참여하고 있으며 최근에는 누구나 믿고 사용할 수 있는 AI 시스템을 만드는 방법에 관심을 갖고 있다. 예측 모델, 추천 시스템 등 AI가 인간의 삶에 줄 수 있는 많은 가치를 실현하기 위해서는 모델이 가진 한계를 이해하고 AI가 뭔가를 어떤 방식으로 예측했는지 이해할 필요가 있다고 생각한다.
목차
1부. 해석 가능성 개요
1장. 소개
1.1 진단+ AI - AI 시스템 예제
1.2 머신러닝 시스템 유형
1.2.1 데이터 표현
1.2.2 지도 학습
1.2.3 비지도 학습
1.2.4 강화 학습
1.2.5 진단+ AI를 위한 머신러닝 시스템
1.3 진단+ AI 구축
1.4 진단+ AI의 문제점
1.4.1 데이터 누출
1.4.2 편향
1.4.3 규제 미준수
1.4.4 (콘셉트) 드리프트
1.5 강건한 진단+ AI 시스템 구축
1.6 해석 가능성 대 설명 가능성
1.6.1 해석 기법 유형
1.7 이 책에서는 무엇을 배우나?
1.7.1 이 책을 읽는 동안 어떤 도구를 사용하게 되는가?
1.7.2 이 책을 읽기 전에 무엇을 알아야 하는가?
요약
2장. 화이트박스 모델
2.1 화이트박스 모델
2.2 진단+ - 당뇨병 진행
2.3 선형 회귀
2.3.1 선형 회귀 해석
2.3.2 선형 회귀의 한계
2.4 결정 트리
2.4.1 결정 트리 해석
2.4.2 결정 트리의 한계
2.5 일반화 가산 모델(GAM)
2.5.1 회귀 스플라인
2.5.2 진단+ 당뇨병을 위한 GAM
2.5.3 GAM 해석
2.5.4 GAM 한계
2.6 앞으로 살펴볼 블랙박스 모델
요약
2부. 모델 처리 해석
3장. 모델 애그노스틱 기법: 글로벌 해석 가능성
3.1 고등학교 학생 성적 예측기
3.1.1 탐색적 데이터 분석
3.2 트리 앙상블
3.2.1 랜덤 포레스트 훈련
3.3 랜덤 포레스트 해석
3.4 모델 애그노스틱 기법: 글로벌 해석 가능성
3.4.1 부분 의존성 도표
3.4.2 특성 상호작용
요약
4장. 모델 애그노스틱 기법: 로컬 해석 가능성
4.1 진단+ AI: 유방암 진단
4.2 탐색적 데이터 분석
4.3 심층 신경망
4.3.1 데이터 준비
4.3.2 DNN 훈련 및 평가
4.4 DNN 해석
4.5 LIME
4.6 SHAP
4.7 앵커
요약
5장. 돌출 매핑
5.1 진단+ AI: 침습성 관 암종 탐지
5.2 탐색적 데이터 분석
5.3 합성곱 신경망
5.3.1 데이터 준비
5.3.2 훈련 및 평가
5.4 CNN 해석
5.4.1 확률 풍경
5.4.2 LIME
5.4.3 시각적 귀속 기법
5.5 바닐라 역전파
5.6 유도 역전파
5.7 기타 경사 기반 방법
5.8 Grad-CAM 및 유도 Grad-CAM
5.9 어떤 귀속 기법을 사용해야 할까?
요약
3부. 모델 표현 해석
6장. 레이어와 유닛의 이해
6.1 시각적 이해
6.2 합성곱 신경망: 요약
6.3 망 해부 프레임워크
6.3.1 개념 정의
6.3.2 망 조사
6.3.3 일치 정도 정량화
6.4 레이어 및 유닛 해석
6.4.1 망 해부 실행
6.4.2 개념 식별기
6.4.3 학습 과업별 개념 식별기
6.4.4 개념 식별기 시각화
6.4.5 망 해부의 한계
요약
7장. 의미론적 유사성의 이해
7.1 감정 분석
7.2 탐색적 데이터 분석
7.3 신경 단어 임베딩
7.3.1 원-핫 인코딩
7.3.2 워드투벡
7.3.3 글로브 임베딩
7.3.4 감성 분석 모델
7.4 의미론적 유사성 해석
7.4.1 유사성 측정
7.4.2 주성분 분석
7.4.3 t-분포 확률적 이웃 임베딩(t-SNE)
7.4.4 의미론적 유사성 시각화 검증
요약
4부. 공정성과 편향
8장. 공정성과 편향 완화
8.1 성인 소득 예측
8.1.1 탐색적 데이터 분석
8.1.2 예측 모델
8.2 공정성 개념
8.2.1 인구통계 동등성
8.2.2 기회와 확률의 평등
8.2.3 기타 공정성 개념
8.3 해석 가능성과 공정성
8.3.1 입력 특성을 통한 차별
8.3.2 표현을 통한 차별
8.4 편향 완화
8.4.1 무지를 통한 공정성
8.4.2 가중치 재설정을 통한 라벨 편향 수정
8.5 데이터 세트용 데이터 시트
요약
9장. 설명 가능한 AI로 가는 길
9.1 설명 가능한 AI
9.2 반사 실적 설명
요약
부록 A. 준비하기
A.1 파이썬
A.2 깃 코드 저장소
A.3 콘다 환경
A.4 주피터 노트북
A.5 도커
부록 B. 파이토치
B.1 파이토치는 무엇인가?
B.2 파이토치 설치
B.3 텐서
B.3.1 데이터 유형
B.3.2 CPU 및 GPU 텐서
B.3.3 운영
B.4 데이터 세트 및 데이터로더
B.5 모델링
B.5.1 자동 미분
B.5.2 모델 정의
B.5.3 훈련
1장. 소개
1.1 진단+ AI - AI 시스템 예제
1.2 머신러닝 시스템 유형
1.2.1 데이터 표현
1.2.2 지도 학습
1.2.3 비지도 학습
1.2.4 강화 학습
1.2.5 진단+ AI를 위한 머신러닝 시스템
1.3 진단+ AI 구축
1.4 진단+ AI의 문제점
1.4.1 데이터 누출
1.4.2 편향
1.4.3 규제 미준수
1.4.4 (콘셉트) 드리프트
1.5 강건한 진단+ AI 시스템 구축
1.6 해석 가능성 대 설명 가능성
1.6.1 해석 기법 유형
1.7 이 책에서는 무엇을 배우나?
1.7.1 이 책을 읽는 동안 어떤 도구를 사용하게 되는가?
1.7.2 이 책을 읽기 전에 무엇을 알아야 하는가?
요약
2장. 화이트박스 모델
2.1 화이트박스 모델
2.2 진단+ - 당뇨병 진행
2.3 선형 회귀
2.3.1 선형 회귀 해석
2.3.2 선형 회귀의 한계
2.4 결정 트리
2.4.1 결정 트리 해석
2.4.2 결정 트리의 한계
2.5 일반화 가산 모델(GAM)
2.5.1 회귀 스플라인
2.5.2 진단+ 당뇨병을 위한 GAM
2.5.3 GAM 해석
2.5.4 GAM 한계
2.6 앞으로 살펴볼 블랙박스 모델
요약
2부. 모델 처리 해석
3장. 모델 애그노스틱 기법: 글로벌 해석 가능성
3.1 고등학교 학생 성적 예측기
3.1.1 탐색적 데이터 분석
3.2 트리 앙상블
3.2.1 랜덤 포레스트 훈련
3.3 랜덤 포레스트 해석
3.4 모델 애그노스틱 기법: 글로벌 해석 가능성
3.4.1 부분 의존성 도표
3.4.2 특성 상호작용
요약
4장. 모델 애그노스틱 기법: 로컬 해석 가능성
4.1 진단+ AI: 유방암 진단
4.2 탐색적 데이터 분석
4.3 심층 신경망
4.3.1 데이터 준비
4.3.2 DNN 훈련 및 평가
4.4 DNN 해석
4.5 LIME
4.6 SHAP
4.7 앵커
요약
5장. 돌출 매핑
5.1 진단+ AI: 침습성 관 암종 탐지
5.2 탐색적 데이터 분석
5.3 합성곱 신경망
5.3.1 데이터 준비
5.3.2 훈련 및 평가
5.4 CNN 해석
5.4.1 확률 풍경
5.4.2 LIME
5.4.3 시각적 귀속 기법
5.5 바닐라 역전파
5.6 유도 역전파
5.7 기타 경사 기반 방법
5.8 Grad-CAM 및 유도 Grad-CAM
5.9 어떤 귀속 기법을 사용해야 할까?
요약
3부. 모델 표현 해석
6장. 레이어와 유닛의 이해
6.1 시각적 이해
6.2 합성곱 신경망: 요약
6.3 망 해부 프레임워크
6.3.1 개념 정의
6.3.2 망 조사
6.3.3 일치 정도 정량화
6.4 레이어 및 유닛 해석
6.4.1 망 해부 실행
6.4.2 개념 식별기
6.4.3 학습 과업별 개념 식별기
6.4.4 개념 식별기 시각화
6.4.5 망 해부의 한계
요약
7장. 의미론적 유사성의 이해
7.1 감정 분석
7.2 탐색적 데이터 분석
7.3 신경 단어 임베딩
7.3.1 원-핫 인코딩
7.3.2 워드투벡
7.3.3 글로브 임베딩
7.3.4 감성 분석 모델
7.4 의미론적 유사성 해석
7.4.1 유사성 측정
7.4.2 주성분 분석
7.4.3 t-분포 확률적 이웃 임베딩(t-SNE)
7.4.4 의미론적 유사성 시각화 검증
요약
4부. 공정성과 편향
8장. 공정성과 편향 완화
8.1 성인 소득 예측
8.1.1 탐색적 데이터 분석
8.1.2 예측 모델
8.2 공정성 개념
8.2.1 인구통계 동등성
8.2.2 기회와 확률의 평등
8.2.3 기타 공정성 개념
8.3 해석 가능성과 공정성
8.3.1 입력 특성을 통한 차별
8.3.2 표현을 통한 차별
8.4 편향 완화
8.4.1 무지를 통한 공정성
8.4.2 가중치 재설정을 통한 라벨 편향 수정
8.5 데이터 세트용 데이터 시트
요약
9장. 설명 가능한 AI로 가는 길
9.1 설명 가능한 AI
9.2 반사 실적 설명
요약
부록 A. 준비하기
A.1 파이썬
A.2 깃 코드 저장소
A.3 콘다 환경
A.4 주피터 노트북
A.5 도커
부록 B. 파이토치
B.1 파이토치는 무엇인가?
B.2 파이토치 설치
B.3 텐서
B.3.1 데이터 유형
B.3.2 CPU 및 GPU 텐서
B.3.3 운영
B.4 데이터 세트 및 데이터로더
B.5 모델링
B.5.1 자동 미분
B.5.2 모델 정의
B.5.3 훈련
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
