Interpretable Machine Learning: A Guide for Making Black Box Models Explainable

Ce site est une ressource précieuse pour ceux qui s'intéressent à rendre les modèles de machine learning plus transparents. Il propose un livre complet sur l'interprétabilité des modèles, qui aborde divers concepts comme les LIME, Shapley Values, et autres méthodes pour comprendre les décisions des algorithmes. C'est un peu technique, donc mieux vaut avoir une base en machine learning. Le contenu est accessible gratuitement sur GitHub, ce qui est un vrai plus. Cependant, il peut sembler un peu dense pour les débutants, car il plonge directement dans des sujets complexes. En termes de concurrence, des sites comme 'What-If Tool' et 'LIME' abordent aussi l'interprétabilité mais de manière un peu différente. Attention à ne pas vous perdre dans les détails techniques sans un bon niveau de compréhension préalable. Mais si vous êtes prêt à vous investir, ce site est un excellent point de départ.