Machine learning yang dapat ditafsirkan (Interpretable Machine Learning, IML) adalah sebuah cabang dari ilmu Kecerdasan Artifisial (Artificial Intelligence) yang berupaya mengatasi tantangan ini. Tujuan IML adalah merancang model machine learning yang tidak saja menghasilkan hasil prediksi yang akurat tetapi juga dapat memberikan penjelasan tentang bagaimana hasil prediksi tersebut diperoleh, bersifat lebih transparan, dapat dipercaya, dan lebih tahan terhadap berbagai serangan yang bertujuan untuk merusak kinerja dan integritas model.
Buku ini disusun bagi para pembaca dengan latar belakang pemula di bidang machine learning namun memberikan detail teknis bagi mereka yang ingin mendalami topik tertentu dengan lebih mendalam.
006.31 HER d