explainability

Pendekatan teori permainan untuk menjelaskan output dari model pembelajaran mesin apa pun.

Daftar pilihan pustaka sumber terbuka yang luar biasa untuk menerapkan, memantau, membuat versi, dan menskalakan machine learning Anda

Membuat model yang dapat diinterpretasikan. Menjelaskan machine learning blackbox.

Shapash: Penjelasan dan interpretabilitas yang ramah pengguna untuk mengembangkan model Machine Learning yang andal dan transparan.

Diagram arsitektur interaktif untuk codebase

[CVPR 2021] Implementasi resmi PyTorch untuk Transformer Interpretability Beyond Attention Visualization, metode baru untuk memvisualisasikan klasifikasi oleh jaringan berbasis Transformer.

Responsible AI Toolbox adalah rangkaian alat yang menyediakan antarmuka pengguna dan pustaka untuk eksplorasi serta penilaian model dan data guna memahami sistem AI dengan lebih baik. Antarmuka dan pustaka ini memberdayakan pengembang dan pemangku kepentingan sistem AI untuk mengembangkan serta memantau AI secara lebih bertanggung jawab dan mengambil tindakan berbasis data yang lebih baik.

XAI - Kotak alat explainability untuk machine learning

Distilasi skill dari Profesor Hung-yi Lee, dikombinasikan dengan LLM Karpathy, didukung oleh Fable 5, serta wawancara langsung oleh saya sendiri

Buat agen Anda berbicara seperti manusia. Gaya keluaran yang ramah ADHD untuk Claude Code, Codex, dan lainnya. Sehingga Anda dapat memperhatikan, bukan token.

Makalah tentang explainability GNN

Interaksi Shapley dan Nilai Shapley untuk Machine Learning