こんにちは、HACARUSでデータサイエンティストをしている増井です。10月1日から、CIC TokyoにオープンしたHACARUS R&Dセンターで働き初めて、もう3ヶ月が経ちました。
HACARUSでは、「Light Weight & Explainable AI」をテーマに、様々な課題の解決を試みているのですが、実は昨年から、Christoph Molnar の Interpretable Machine Learningを使用して社内勉強会を開催していました。
この本は、解釈可能な機械学習とは何かの定義から、モデル自体が解釈可能なときに、どのような手法で説明を与えるべきかであったり、そもそも Deep Learning のようなモデル自体の解釈が難しい場合にでも使用できるモデル非依存(model-agnostic)の手法などを、実際の例も用いながら解説しています。
機械学習を使ったことはあるけれど、結局出来上がったモデルが何に基づいて判断しているかわからないことに課題を感じている人、Explainable AI(XAI)、機械学習モデルの説明性などに興味がある人にはおすすめの参考書だと思います。
ちなみに、この本は、CC BY-NC-SA 4.0 のライセンスで提供されています。なので、復習の意味も兼ねて有志の社員、インターンの学生さんも交えて、和訳バージョンを作成して公開しようと決めました。著者の Christoph にも確認したところ、快諾していただけました。実は、原著のTranslationsの章でも紹介してもらっています。
「Better than Nothing」の精神に従って、とりあえず、現状出来上がっている3章までを公開しています。以下の URL から確認できるので、興味がある方は、ぜひお読みください。
Interpretable Machine Learning 和訳ページ
日本語バージョンも、原著同様、GitHub の public リポジトリで管理されており、GitHub Pages で公開するように設定されています。もし、この和訳プロジェクトに興味がある方がいたら、以下のリポジトリより気軽にご参加ください。原著も日々更新され続けているので、そのキャッチアップや、誤字や誤訳の指摘も大歓迎です。
Interpretable Machine Learning 和訳用リポジトリ
残りの章についても、どんどん翻訳して、公開する予定なので、お楽しみに。また、この本ではキャッチアップできていない、最新の手法に関してもこのブログにて紹介できればと思っております。このような活動を通して、機械学習の解釈性やXAIについて勉強したい人の一助になれば幸いです。
————————————————-
ハカルスでは、多業種にわたって一緒に働く仲間を募集しています。HACARUSでの仕事に興味がある方は、ぜひ弊社の採用ページをご覧ください。データサイエンティストの募集もしています。
