XAI(eXplainable Artificial Intelligence)는 인공지능의 판단 이유를 설명하는 연구 분야로, 인공지능 기술이 확대되면서 그 필요성이 함께 증가하고 있습니다. 이것은 알고리즘의 설계자조차 인공지능의 판단 이유를 설명하지 못하는 블랙박스 인공지능과 반대되는 개념입니다. XAI는 인공지능의 불확실한 의사 결정 과정을 해소해 인공지능에 대한 신뢰성을 높여줍니다.

이 책에는 전통적인 머신러닝 기법에 적용할 수 있는 XAI 기법부터 최신 딥러닝 모델에 사용할 수 있는 XAI 기법까지 수록돼 있습니다. XAI는 인공지능의 의사 결정 이유를 추정하는 기술이기 때문에 이론뿐만 아니라 기법 적용 과정 또한 중요합니다. 따라서 이 책에는 기존 XAI 서적에서 다루지 않았던 예제 코드를 함께 수록했습니다. 먼저 이론을 학습하고 해당 이론에 대응하는 코드를 따라 하면서 별도의 설치 과정 없이도 XAI 해석 결과를 직접 확인할 수 있습니다.

★ 이 책에서 다루는 내용 ★
◎ 피처 중요도
◎ 부분 의존성 플롯
◎ XGBoost 모델 구축
◎ LIME(Local Interpretable Model-agnostic Explanations)
◎ SHAP(SHapley Additive exPlanations)
◎ 필터 시각화
◎ 합성곱 신경망(CNN) 구축
◎ LRP(Layer-wise Relevance Propagation)
◎ 실전 분석 1: 신용 대출 분석 모델 구축하고 설명하기
◎ 실전 분석 2: 사진 감정 분석 모델 구축하고 설명하기