الذكاء الاصطناعي القابل للتفسير: مقدمة في تعلم الآلة القابل للتفسير - تأليف Uday Kamath & John Liu (غلاف ورقي)

ملخص الكتاب

كُتب هذا الكتاب لخدمة القراء المبتدئين في هذا المجال، وكذلك للممارسين الذين لديهم خلفية في الذكاء الاصطناعي واهتمام بتطوير تطبيقات واقعية. ويُعد هذا الكتاب مورداً ممتازاً للممارسين والباحثين في كل من القطاع الصناعي والأكاديمي، كما يمكن للحالات الدراسية والمواد المصاحبة التي يناقشها أن تكون بمثابة مصدر إلهام لمجموعة متنوعة من المشاريع والمهام العملية في البيئة الدراسية. سأحتفظ بهذا الكتاب بالتأكيد كمورد شخصي للمساقات التي أدرسها، وسأوصي به بشدة لطلابي. --د. كارلوتا دومينيكوني، أستاذ مشارك، قسم علوم الحاسوب، GMU

يقدم هذا الكتاب منهجاً تعليمياً لتقديم مفاهيم القابلية للتفسير في مجال تعلم الآلة في جميع مراحله. ويقدم المؤلفون أمثلة مقنعة توضح كيف يمكن تعليم ممارسة تدريسية أساسية، مثل قيادة المناقشات التفسيرية، واكتسابها من قبل المعلمين من خلال الجهد المستمر. ولا توجد طريقة أفضل من ذلك لتعزيز جودة مخرجات الذكاء الاصطناعي وتعلم الآلة. آمل أن يصبح هذا الكتاب مرجعاً أساسياً للمعلمين، ومدرسي علوم البيانات، ومطوري تعلم الآلة، لنمارس معاً فن تعلم الآلة التفسيري. --أنوشا دانادباني، رئيسة قسم البيانات والتحليلات في UNICC وعضو هيئة التدريس المساعد في NYU

هذا كتاب رائع! يسعدني أن الجيل القادم من العلماء سيتمكن أخيراً من تعلم هذا الموضوع الهام. هذا هو أول كتاب أطلع عليه يقدم تغطية شاملة ومحدثة. كل الشكر للمؤلفين! -- الدكتورة Cynthia Rudin، أستاذة علوم الحاسوب، والهندسة الكهربائية وهندسة الحاسوب، والعلوم الإحصائية، والإحصاء الحيوي والمعلوماتية الحيوية

كانت المؤلفات المتعلقة بالذكاء الاصطناعي القابل للتفسير (Explainable AI) حتى الآن نادرة نسبيًا، وتركز بشكل أساسي على الخوارزميات الشائعة مثل SHAP و LIME. وقد جاء هذا الكتاب ليسد هذه الفجوة من خلال تقديم مراجعة واسعة النطاق للغاية لمختلف الخوارزميات التي تم اقتراحها في الأوساط العلمية خلال السنوات الـ 5 إلى 10 الماضية. ويعد هذا الكتاب دليلاً رائعًا لأي شخص جديد في مجال XAI أو ممن لديهم دراية مسبقة بهذا المجال ويرغبون في توسيع معارفهم. يقدم هذا الكتاب مراجعة شاملة لأحدث أساليب الذكاء الاصطناعي القابل للتفسير (Explainable AI)، بدءاً من تقنيات التصوير البياني، والأساليب القابلة للتفسير، والتفسيرات المحلية والعالمية، وصولاً إلى أساليب السلاسل الزمنية، وختاماً بالتعلم العميق؛ مما يجعله مصدراً لا يضاهى للمعلومات غير متوفر حالياً في أي مكان آخر. بالإضافة إلى ذلك، تُعد الدفاتر البرمجية (notebooks) التي تحتوي على أمثلة حية مكملاً رائعاً يجعل الكتاب أكثر جاذبية للممارسين من جميع المستويات. بشكل عام، يقدم المؤلفون للقراء تغطية واسعة وشاملة دون إغفال الجوانب العملية، مما يجعل هذا الكتاب فريداً حقاً وإضافة رائعة لمكتبة أي عالم بيانات. د. Andrey Sharapov، عالم بيانات منتجات، خبير في Explainable AI ومتحدث، ومؤسس Explainable AI-XAI Group

عن الغلاف الخلفي

كُتب هذا الكتاب لخدمة القراء المبتدئين في هذا المجال، وكذلك للممارسين الذين لديهم خلفية في الذكاء الاصطناعي واهتمام بتطوير تطبيقات واقعية. ويُعد هذا الكتاب مورداً ممتازاً للممارسين والباحثين في كل من القطاع الصناعي والأكاديمي، كما يمكن أن تكون دراسات الحالة المناقشة والمواد المصاحبة لها بمثابة مصدر إلهام لمجموعة متنوعة من المشاريع والمهام العملية في البيئة الدراسية. سأحتفظ بهذا الكتاب بالتأكيد كمورد شخصي للمساقات التي أدرسها، وأوصي به بشدة لطلابي. -- د. كارلوتا دومينيكوني، أستاذ مشارك في قسم علوم الحاسوب بجامعة GMU.

يقدم هذا الكتاب منهجاً تعليمياً لتقديم مفهوم القابلية للتفسير في مجال تعلم الآلة في كل مرحلة من مراحله. ويقدم المؤلفون أمثلة مقنعة توضح كيف يمكن للمعلمين تعلم ممارسة تعليمية أساسية، مثل قيادة المناقشات التفسيرية، من خلال الجهد المستمر. ولا توجد طريقة أفضل من ذلك لتعزيز جودة مخرجات الذكاء الاصطناعي وتعلم الآلة. آمل أن يصبح هذا الكتاب مرجعاً أساسياً للمعلمين، ومدرسي علوم البيانات، ومطوري تعلم الآلة ML، لنمارس معاً فن تعلم الآلة التفسيري. «هذا كتاب رائع! يسعدني أن الجيل القادم من العلماء سيتمكن أخيراً من تعلم هذا الموضوع الهام. هذا هو أول كتاب أراه يقدم تغطية شاملة ومحدثة. شكراً للمؤلفين!» -- Anusha Dandapani، رئيسة قسم البيانات والتحليلات في UNICC وعضو هيئة التدريس المساعد في NYU. «هذا هو أول كتاب أراه يقدم تغطية شاملة ومحدثة.» -- الدكتورة Cynthia Rudin، أستاذة علوم الحاسوب، والهندسة الكهربائية وهندسة الحاسوب، والعلوم الإحصائية، والإحصاء الحيوي والمعلوماتية الحيوية في Duke University. كانت المؤلفات المتعلقة بالذكاء الاصطناعي القابل للتفسير (Explainable AI) حتى الآن نادرة نسبيًا، وتركز بشكل أساسي على الخوارزميات الشائعة مثل SHAP و LIME. وقد جاء هذا الكتاب ليسد هذه الفجوة من خلال تقديم مراجعة واسعة النطاق للغاية لمختلف الخوارزميات التي تم اقتراحها في الأوساط العلمية خلال السنوات الـ 5 إلى 10 الماضية. ويعد هذا الكتاب دليلاً رائعًا لكل من هو جديد في مجال XAI أو ممن لديهم دراية مسبقة بهذا المجال ويرغبون في توسيع معارفهم. يقدم هذا الكتاب مراجعة شاملة لأحدث أساليب الذكاء الاصطناعي القابل للتفسير (Explainable AI)، بدءاً من تقنيات التصوير البياني، والأساليب القابلة للتفسير، والتفسيرات المحلية والعالمية، وصولاً إلى أساليب السلاسل الزمنية، وختاماً بالتعلم العميق؛ مما يجعله مصدراً لا يضاهى للمعلومات غير متوفر حالياً في أي مكان آخر. بالإضافة إلى ذلك، تُعد الدفاتر البرمجية (notebooks) التي تحتوي على أمثلة حية مكملاً رائعاً يجعل الكتاب أكثر جاذبية للممارسين من جميع المستويات.

بشكل عام، يقدم المؤلفون للقراء تغطية واسعة وشاملة دون إغفال الجوانب العملية، مما يجعل هذا الكتاب فريداً حقاً وإضافة رائعة لمكتبة أي عالم بيانات. -- الدكتور Andrey Sharapov، عالم بيانات منتجات، خبير ومتحدث في مجال Explainable AI، ومؤسس مجموعة Explainable AI-XAI

آراء المراجعات

كُتب هذا الكتاب لخدمة القراء المبتدئين في هذا المجال، وكذلك للممارسين الذين لديهم خلفية في الذكاء الاصطناعي واهتمام بتطوير تطبيقات واقعية. ويُعد هذا الكتاب مورداً ممتازاً للممارسين والباحثين في كل من القطاع الصناعي والأكاديمي، كما يمكن أن تكون دراسات الحالة والمواد المصاحبة التي يناقشها مصدراً للإلهام لمجموعة متنوعة من المشاريع والمهام العملية في البيئة الدراسية. سأحتفظ بهذا الكتاب بالتأكيد كمورد شخصي للمساقات التي أدرسها، وأوصي به بشدة لطلابي. -- دكتور كارلوتا دومينيكوني، أستاذ مشارك في قسم علوم الحاسوب بجامعة GMU.

يقدم هذا الكتاب منهجاً تعليمياً لتقديم مفهوم القابلية للتفسير في مجال تعلم الآلة في كل مرحلة من مراحله. ويقدم المؤلفون أمثلة مقنعة توضح كيف يمكن للمعلمين تعلم ممارسات تدريسية جوهرية، مثل قيادة المناقشات التفسيرية، من خلال الجهد المستمر. ولا توجد طريقة أفضل من ذلك لتعزيز جودة مخرجات الذكاء الاصطناعي وتعلم الآلة. آمل أن يصبح هذا الكتاب مرجعاً أساسياً للمعلمين، ومدرسي علوم البيانات، ومطوري تعلم الآلة، لنمارس معاً فن تعلم الآلة التفسيري. أنووشا دانْداباني، رئيسة قسم البيانات والتحليلات في UNICC وعضو هيئة التدريس المساعد في NYU.

كانت المؤلفات المتعلقة بالذكاء الاصطناعي القابل للتفسير (Explainable AI) نادرة نسبياً حتى الآن، وتركزت بشكل أساسي على الخوارزميات السائدة مثل SHAP و LIME. وقد جاء هذا الكتاب ليسد هذه الفجوة من خلال تقديم مراجعة واسعة النطاق للغاية لمختلف الخوارزميات التي تم اقتراحها في الأوساط العلمية على مدار السنوات الـ 5 إلى 10 الماضية. يعد هذا الكتاب دليلاً رائعاً لأي شخص جديد في مجال XAI أو ممن لديهم دراية مسبقة بهذا المجال ويرغبون في توسيع معارفهم. يقدم هذا الكتاب مراجعة شاملة لأحدث أساليب الذكاء الاصطناعي القابل للتفسير (Explainable AI)، بدءاً من تقنيات التصوير البياني، والأساليب القابلة للتفسير، والتفسيرات المحلية والعالمية، وصولاً إلى أساليب السلاسل الزمنية، وختاماً بالتعلم العميق، مما يجعله مصدراً لا يضاهى للمعلومات غير متوفر حالياً في أي مكان آخر. بالإضافة إلى ذلك، تُعد الدفاتر البرمجية (notebooks) التي تحتوي على أمثلة حية مكملاً رائعاً يجعل الكتاب أكثر جاذبية للممارسين من جميع المستويات. يقدم المؤلفون بشكل عام للقراء تغطية واسعة النطاق للغاية دون إغفال الجوانب العملية، مما يجعل هذا الكتاب فريداً حقاً وإضافة رائعة لمكتبة أي عالم بيانات. د. أندري شارابوف، عالم بيانات منتجات، خبير في Explainable AI ومتحدث، ومؤسس مجموعة Explainable AI-XAI

هذا كتاب رائع! يسعدني أن الجيل القادم من العلماء سيتمكن أخيراً من تعلم هذا الموضوع الهام. هذا هو أول كتاب أراه يقدم تغطية شاملة ومحدثة. شكراً للمؤلفين! -- د. سينثيا رودين، أستاذة علوم الحاسوب، والهندسة الكهربائية وهندسة الحاسوب، والعلوم الإحصائية، والإحصاء الحيوي والمعلوماتية الحيوية

نبذة عن المؤلف أمضى Uday Kamath أكثر من عقدين من الزمن في تطوير منتجات التحليلات في مجالات الإحصاء، والتحسين، وتعلم الآلة، ومعالجة اللغات الطبيعية NLP، والتعرف على الكلام، والذكاء الاصطناعي القابل للتفسير. يحمل Uday درجة الدكتوراه في تعلم الآلة القابل للتوسع، وقد ساهم في العديد من المجلات والمؤتمرات والكتب في مجال الذكاء الاصطناعي. وهو مؤلف كتب مثل Deep Learning for NLP and Speech Recognition، و Mastering Java Machine Learning، و Machine Learning: End-to-End Guide for Java Developers. شغل العديد من المناصب القيادية، حيث عمل كمسؤول أول للتحليلات في Digital Reasoning، ومستشار لدى Falkonry، وكبير علماء البيانات في BAE Systems Applied Intelligence. وقد قام بتطوير منتجات وحلول تعتمد على الذكاء الاصطناعي في مجالات المراقبة، والامتثال، والأمن السيبراني، والجرائم المالية، ومكافحة غسل الأموال، والاحتيال التأميني. يعمل Uday حالياً كمسؤول أول للتحليلات في Smarsh، حيث يتولى مسؤولية علوم البيانات، وأبحاث منتجات التحليلات التي توظف التعلم العميق والذكاء الاصطناعي القابل للتفسير، بالإضافة إلى التقنيات الحديثة في معالجة الكلام والنصوص المستخدمة في القطاع المالي والرعاية الصحية. يشغل الدكتور John Chih Liu، الحاصل على شهادة CFA، منصب الرئيس التنفيذي لشركة Intelluron Corporation. وقد شغل سابقاً مناصب تنفيذية عليا أشرف خلالها على مؤسسات الأبحاث الكمية، وإدارة المحافظ، وعلوم البيانات، بما في ذلك منصب نائب رئيس علوم البيانات والتعلم الآلي التطبيقي في Digital Reasoning Systems، ومدير استراتيجيات الأسهم في صندوق وقف جامعة Vanderbilt، ورئيس تداول خيارات المؤشرات في BNP Paribas. كما يُعد متحدثاً بارزاً ومؤلفاً للعديد من المؤلفات في مواضيع تشمل معالجة اللغات الطبيعية، والتعلم التعزيزي، وتوزيع الأصول، والمخاطر النظامية، ونظرية EM. حاز جون على لقب عالم البيانات لعام 2016 في ناشفيل، وكان مرشحاً نهائياً لجائزة قائد المجتمع لعام 2018، ومرشحاً نهائياً لجائزة المبتكر لعام 2020. حصل على درجات البكالوريوس والماجستير والدكتوراه في الهندسة الكهربائية من University of Pennsylvania، وهو حاصل على شهادة CFA، ومدافع عن مجتمع علوم البيانات العالمي، وداعم للمعرض الدولي للعلوم والهندسة.