±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
°øÇаè¿
ÄÄÇ»ÅÍ°øÇÐ
Á¤°¡ |
28,000¿ø |
---|
25,200¿ø (10%ÇÒÀÎ)
1,400P (5%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼(53)
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
XAI(eXplainable Artificial Intelligence)´Â ÀΰøÁö´ÉÀÇ ÆÇ´Ü ÀÌÀ¯¸¦ ¼³¸íÇÏ´Â ¿¬±¸ ºÐ¾ß·Î, ÀΰøÁö´É ±â¼úÀÌ È®´ëµÇ¸é¼ ±× Çʿ伺ÀÌ ÇÔ²² Áõ°¡ÇÏ°í ÀÖ½À´Ï´Ù. ÀÌ°ÍÀº ¾Ë°í¸®ÁòÀÇ ¼³°èÀÚÁ¶Â÷ ÀΰøÁö´ÉÀÇ ÆÇ´Ü ÀÌÀ¯¸¦ ¼³¸íÇÏÁö ¸øÇÏ´Â 'ºí·¢¹Ú½º' ÀΰøÁö´É°ú ¹Ý´ëµÇ´Â °³³äÀÔ´Ï´Ù. XAI´Â ÀΰøÁö´ÉÀÇ ºÒÈ®½ÇÇÑ ÀÇ»ç °áÁ¤ °úÁ¤À» ÇؼÒÇØ ÀΰøÁö´É¿¡ ´ëÇÑ ½Å·Ú¼ºÀ» ³ô¿©ÁÝ´Ï´Ù.
ÀÌ Ã¥¿¡´Â ÀüÅëÀûÀÎ ¸Ó½Å·¯´× ±â¹ý¿¡ Àû¿ëÇÒ ¼ö ÀÖ´Â XAI ±â¹ýºÎÅÍ ÃֽŠµö·¯´× ¸ðµ¨¿¡ »ç¿ëÇÒ ¼ö ÀÖ´Â XAI ±â¹ý±îÁö ¼ö·ÏµÅ ÀÖ½À´Ï´Ù. XAI´Â ÀΰøÁö´ÉÀÇ ÀÇ»ç °áÁ¤ ÀÌÀ¯¸¦ ÃßÁ¤ÇÏ´Â ±â¼úÀ̱⠶§¹®¿¡ À̷лӸ¸ ¾Æ´Ï¶ó ±â¹ý Àû¿ë °úÁ¤ ¶ÇÇÑ Áß¿äÇÕ´Ï´Ù. µû¶ó¼ ÀÌ Ã¥¿¡´Â ±âÁ¸ XAI ¼Àû¿¡¼ ´Ù·çÁö ¾Ê¾Ò´ø ¿¹Á¦ Äڵ带 ÇÔ²² ¼ö·ÏÇß½À´Ï´Ù. ¸ÕÀú ÀÌ·ÐÀ» ÇнÀÇÏ°í ÇØ´ç À̷п¡ ´ëÀÀÇÏ´Â Äڵ带 µû¶ó ÇÏ¸é¼ º°µµÀÇ ¼³Ä¡ °úÁ¤ ¾øÀ̵µ XAI Çؼ® °á°ú¸¦ Á÷Á¢ È®ÀÎÇÒ ¼ö ÀÖ½À´Ï´Ù.
¡Ú ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ³»¿ë ¡Ú
¡Ý ÇÇó Áß¿äµµ
¡Ý ºÎºÐ ÀÇÁ¸¼º Ç÷Ô
¡Ý XGBoost ¸ðµ¨ ±¸Ãà
¡Ý LIME(Local Interpretable Model-agnostic Explanations)
¡Ý SHAP(SHapley Additive exPlanations)
¡Ý ÇÊÅÍ ½Ã°¢È
¡Ý ÇÕ¼º°ö ½Å°æ¸Á(CNN) ±¸Ãà
¡Ý LRP(Layer-wise Relevance Propagation)
¡Ý ½ÇÀü ºÐ¼® 1: ½Å¿ë ´ëÃ⠺м® ¸ðµ¨ ±¸ÃàÇÏ°í ¼³¸íÇϱâ
¡Ý ½ÇÀü ºÐ¼® 2: »çÁø °¨Á¤ ºÐ¼® ¸ðµ¨ ±¸ÃàÇÏ°í ¼³¸íÇϱâ
¸ñÂ÷
¢Ã 01Àå: À̾߱⸦ ¿¸ç
1.1. ´Ù¸£ÆÄ(DARPA)ÀÇ Çõ½Å ÇÁ·ÎÁ§Æ®
1.2. XAI (2016-2021)
1.3. XAI¸¦ ÀßÇϱâ À§ÇÑ Á¶°Ç
___1.3.1. ±âÁ¸ ¸Ó½Å·¯´× ÀÌ·ÐÀ» ÃæºÐÈ÷ ÀÌÇØÇϱâ
___1.3.2. ¼³¸í ¸ðµ¨À» ¾î¶»°Ô Á¢¸ñÇÒÁö »ý°¢Çϱâ
1.4. xgboost¸¦ »ç¿ëÇÑ XAI¿Í µö·¯´× XAI?
1.5. °¨»ç Àλç
¢Ã 02Àå: ½Ç½Àȯ°æ ±¸Ãà
2.1. ÆÄÀ̽㠼³Ä¡
2.2. PIP ¼³Ä¡
2.3. ÅÙ¼Ç÷Π¼³Ä¡
2.4. ÁÖÇÇÅÍ ³ëÆ®ºÏ
2.4.1. Tensorflow-GPU ¼³Ä¡ È®ÀÎ
¢Ã 03Àå: XAI °³¹ß Áغñ
3.1. ¸Ó½Å·¯´× ÀÌÇØ
3.2. ºí·¢¹Ú½º µé¿©´Ùº¸±â
3.3. ½Ã°¢È¿Í XAIÀÇ Â÷ÀÌ ÀÌÇØÇϱâ
¢Ã 04Àå: ÀÇ»ç °áÁ¤ Æ®¸®
4.1. ÀÇ»ç °áÁ¤ Æ®¸® ½Ã°¢È
4.2. ÇÇó Áß¿äµµ ±¸Çϱâ
4.3. ºÎºÐ ÀÇÁ¸¼º Ç÷Ô(PDP) ±×¸®±â
4.4. XGBoost È°¿ëÇϱâ
___4.4.1. XGBoostÀÇ ÀåÁ¡
___4.4.2. XGBoost´Â µö·¯´×ÀÌ ¾Æ´Ï´Ù
___4.4.3. ±âº» ¿ø¸®
___4.4.4. ÆĶó¹ÌÅÍ
___4.4.5. ½ÇÁ¦ µ¿ÀÛ°ú ÆÁ
4.5. ½Ç½À 1: ÇǸ¶ Àεð¾ð ´ç´¢º´ °áÁ¤ ¸ðµ¨
___4.5.1. ÇнÀÇϱâ
___4.5.2. ¼³¸í °¡´ÉÇÑ ¸ðµ¨ °áÇÕÇϱâ
___4.5.3. ¸ðµ¨ Æ©´×Çϱâ
___4.5.4. ¸¶Ä¡¸ç
¢Ã 05Àå: ´ë¸® ºÐ¼®
5.1. ´ë¸® ºÐ¼® °³·Ð
___5.1.1. ±Û·Î¹ú ´ë¸® ºÐ¼®
___5.1.2. ·ÎÄà ´ë¸® ºÐ¼®(Local Surrogate)
5.2. LIME
___5.2.1. LIME ¾Ë°í¸®Áò, Á÷°üÀûÀ¸·Î ÀÌÇØÇϱâ
___5.2.2. ¹è°æ ÀÌ·Ð
___5.2.3. ½Ç½À 2: ÅؽºÆ® µ¥ÀÌÅÍ¿¡ LIME Àû¿ëÇϱâ
___5.2.4. ½Ç½À 3: À̹ÌÁö µ¥ÀÌÅÍ¿¡ LIME Àû¿ëÇϱâ
___5.2.5. ¸¶Ä¡¸ç
5.3. SHAP (SHapley Additive exPlanations)
___5.3.1. ¹è°æ ÀÌ·Ð
___5.3.2. ½Ç½À 4: °øÀ¯ °æÁ¦ ½ºÅ¸Æ®¾÷¿¡¼ ¼¨Çø® °ª »ç¿ëÇϱâ
___5.3.3. ½Ç½À 5: º¸½ºÅÏ ÁÖÅà °¡°Ý °áÁ¤ ¿ä¼Ò ±¸Çϱâ
___5.3.4. ¸¶Ä¡¸ç
¢Ã 06Àå: ÇÊÅÍ ½Ã°¢È(Filter Visualization)
6.1. À̹ÌÁö ÇÊÅÍ ½Ã°¢È
6.2. ¼³¸í °¡´ÉÇÑ ¸ðµ¨ °áÇÕÇϱâ
___6.2.1. ÇÕ¼º°ö ½Å°æ¸Á°ú ÇÊÅÍ
6.3. ÇÕ¼º°ö ½Å°æ¸Á Á¦ÀÛÇϱâ
6.4. ½Ç½À 6: ÇÕ¼º°ö ½Å°æ¸Á ½Ã°¢ÈÇϱâ
___6.4.1. ÀԷ°ª ½Ã°¢ÈÇÏ°í ¿¹Ãø°ª°ú ºñ±³Çϱâ
___6.4.2. ÇÊÅÍ ½Ã°¢È
6.5. ¸¶Ä¡¸ç
¢Ã 07Àå: LRP(Layer-wise Relevance Propagation)
7.1. ¹è°æ ÀÌ·Ð
___7.1.1. ºÐÇØ(Decomposition)
___7.1.2. Ÿ´ç¼º ÀüÆÄ
7.2. ½Ç½À 7: ÇÕ¼º°ö ½Å°æ¸Á ¼Ó ¿¾îº¸±â
___7.2.1. ÇÕ¼º°ö ½Å°æ¸Á ÇнÀÇϱâ
___7.2.2. ÇÕ¼º°ö ½Å°æ¸Á ºÎºÐ ±×·¡ÇÁ ±¸Çϱâ
___7.2.3. ÇÕ¼º°ö ½Å°æ¸Á¿¡ LRP Àû¿ëÇϱâ
___7.3. LRP µîÀå ÀÌÀü°ú ÀÌÈÄÀÇ µö·¯´× XAI µ¿Çâ
7.4. ¸¶Ä¡¸ç
¢Ã 08Àå: ½ÇÀü ºÐ¼® 1: ÀÇ»ç °áÁ¤ Æ®¸®¿Í XAI
8.1. ½Å¿ë ´ëÃ⠺м® ÀΰøÁö´É ¸¸µé±â
___8.1.1. µ¥ÀÌÅÍ ¼³¸í
___8.1.2. Ä®·³ ¼³¸í
___8.1.3. µ¥ÀÌÅÍ ºÒ·¯¿À±â
___8.1.4. µ¥ÀÌÅÍ ÇнÀÇϱâ
8.2. XAI¸¦ °áÇÕÇϱâ
8.3. XAI·Î ¸ðµ¨À» ÆľÇÇϱâ
8.4. XAI·Î ¸ðµ¨ °³¼± ±Ù°Å ¸¶·ÃÇϱâ
¢Ã 09Àå: ½ÇÀü ºÐ¼® 2: LRP¿Í XAI
9.1. °¨Á¤ ºÐ¼® ¸ðµ¨ ¸¸µé±â
___9.1.1. µ¥ÀÌÅÍ ¼³¸í
___9.1.2. Ä®·³ ¼³¸í
___9.1.3. µ¥ÀÌÅÍ ºÒ·¯¿À±â
___9.1.4. µ¥ÀÌÅÍ ÇнÀÇϱâ
9.2. XAI °áÇÕÇϱâ
9.3. XAI·Î ¿ø·¡ ÀΰøÁö´É °³¼±Çϱâ
9.4. °íÁö»çÇ×
¢Ã 10Àå: À̾߱⸦ ´ÝÀ¸¸ç
10.1. ¾ÏÈæ¹°Áú ã±â
10.2. ±âÁ¸ ¸ðµ¨¿¡ XAI µ¡ÀÔÈ÷±â
10.3. XAIÀÇ ¹Ì·¡
¢Ã 11Àå: Âü°íÀÚ·á
11.1. XAI ½Ç½À ¶óÀ̺귯¸® ¼³Ä¡Çϱâ
___11.1.1. ÆÄÀ̽㠼³Ä¡
___11.1.2. ÆÄÀ̽㠶óÀ̺귯¸® ¼³Ä¡
___11.1.3. ÅÙ¼Ç÷Π¼³Ä¡
11.2. ĵµé½ºÆ½ Â÷Æ®
11.3. ÄÁÇ»Àü Çà·Ä
___11.3.1. Á¤È®µµ(Accuracy)
___11.3.2. Á¤¹Ð¼º(Precision)
___11.3.3. ¹Î°¨µµ(Sensitivity, ¶Ç´Â Recall)
___11.3.4. ƯÀ̼º(Specificity)
___11.3.5. ³«Á¦À²(Fallout)
___11.3.6. F1-Á¡¼ö(F1-score)
11.4. ÅÙ¼Ç÷Π½½¸²
11.5. Á¤±ÔÈ
°ü·ÃÀ̹ÌÁö
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
(úÞ) ³Ø½¼ÄÚ¸®¾Æ ÀÎÅÚ¸®Àü½º·¦½º µ¥ÀÌÅÍ °úÇÐÀÚ, (îñ) ¹öÁî´Ï µ¥ÀÌÅÍ °úÇÐÀÚ, Á¤º¸Åë½Å»ê¾÷ÁøÈï¿ø ¼ÒÇÁÆ®¿þ¾î ¸¶¿¡½ºÆ®·Î 5±â´Ù. ¼°´ëÇб³ µ¥ÀÌÅ͸¶ÀÌ´× ¿¬±¸½Ç Á¹¾÷, ¼°´ëÇб³ ÄÄÇ»ÅÍ°øÇаú¸¦ Á¹¾÷Çß´Ù.
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
ÀÌ »óÇ°ÀÇ ½Ã¸®Áî
(ÃÑ 55±Ç / ÇöÀ籸¸Å °¡´Éµµ¼ 54±Ç)
Àü°øµµ¼/´ëÇб³Àç ºÐ¾ß¿¡¼ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥
ÆǸÅÀÚÁ¤º¸
»óÈ£ |
(ÁÖ)±³º¸¹®°í |
---|---|
´ëÇ¥ÀÚ¸í |
¾Èº´Çö |
»ç¾÷ÀÚµî·Ï¹øÈ£ |
102-81-11670 |
¿¬¶ôó |
1544-1900 |
ÀüÀÚ¿ìÆíÁÖ¼Ò |
callcenter@kyobobook.co.kr |
Åë½ÅÆǸž÷½Å°í¹øÈ£ |
01-0653 |
¿µ¾÷¼ÒÀçÁö |
¼¿ïƯº°½Ã Á¾·Î±¸ Á¾·Î 1(Á¾·Î1°¡,±³º¸ºôµù) |
±³È¯/ȯºÒ
¹ÝÇ°/±³È¯ ¹æ¹ý |
¡®¸¶ÀÌÆäÀÌÁö > Ãë¼Ò/¹ÝÇ°/±³È¯/ȯºÒ¡¯ ¿¡¼ ½Åû ¶Ç´Â 1:1 ¹®ÀÇ °Ô½ÃÆÇ ¹× °í°´¼¾ÅÍ(1577-2555)¿¡¼ ½Åû °¡´É |
---|---|
¹ÝÇ°/±³È¯°¡´É ±â°£ |
º¯½É ¹ÝÇ°ÀÇ °æ¿ì Ãâ°í¿Ï·á ÈÄ 6ÀÏ(¿µ¾÷ÀÏ ±âÁØ) À̳»±îÁö¸¸ °¡´É |
¹ÝÇ°/±³È¯ ºñ¿ë |
º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã |
¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯ |
·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì ·½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆǸŰ¡ °ï¶õÇÑ Á¤µµ·Î °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀÇ ¼ÒºñÀÚº¸È£¿¡ °üÇÑ ¹ý·üÀÌ Á¤ÇÏ´Â ¼ÒºñÀÚ Ã»¾àöȸ Á¦ÇÑ ³»¿ë¿¡ ÇØ´çµÇ´Â °æ¿ì |
»óÇ° Ç°Àý |
°ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ Ç°Àý/Áö¿¬µÉ ¼ö ÀÖÀ½ |
¼ÒºñÀÚ ÇÇÇغ¸»ó |
·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© ó¸®µÊ ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀǼҺñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ |
(ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º´Â ȸ¿ø´ÔµéÀÇ ¾ÈÀü°Å·¡¸¦ À§ÇØ ±¸¸Å±Ý¾×, °áÁ¦¼ö´Ü¿¡ »ó°ü¾øÀÌ (ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º¸¦ ÅëÇÑ ¸ðµç °Å·¡¿¡ ´ëÇÏ¿©
(ÁÖ)KGÀ̴Ͻýº°¡ Á¦°øÇÏ´Â ±¸¸Å¾ÈÀü¼ºñ½º¸¦ Àû¿ëÇÏ°í ÀÖ½À´Ï´Ù.
¹è¼Û¾È³»
±³º¸¹®°í »óÇ°Àº Åùè·Î ¹è¼ÛµÇ¸ç, Ãâ°í¿Ï·á 1~2Àϳ» »óÇ°À» ¹Þ¾Æ º¸½Ç ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä »óÇ°À» ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
±ººÎ´ë, ±³µµ¼Ò µî ƯÁ¤±â°üÀº ¿ìü±¹ Åù踸 ¹è¼Û°¡´ÉÇÕ´Ï´Ù.
¹è¼Ûºñ´Â ¾÷ü ¹è¼Ûºñ Á¤Ã¥¿¡ µû¸¨´Ï´Ù.