《AI可解释性（Python语言版）》全面介绍了AI可解释性的概念和可用技术，使机器学习系统更易于解释。书中提出的方法可以应用于几乎所有现有的机器学习模型：线性和逻辑回归、深度学习神经网络、自然语言处理和图像识别等等。 随着机器学习的发展，如今人们越来越多地使用人工智能体来执行以前由人类处理的关键任务(医疗、法律和金融等等)。虽然智能体的设计原则已被理解，但目前的大多数深度学习模型对人类理解而言是“不透明的”。《AI可解释性(Python语言版)》从理论和实践的角度填补了这个新兴主题文献方面的空白，使读者能够快速地使用可解释性AI的工具和代码。

Leonida Gianfagna博士是一位理论物理学家，目前在网络安全领域工作，担任Cyber Guru的研发总监。在加入Cyber Guru之前，他在IBM工作了15年，担任ITSM(IT服务管理)软件开发的领导。Leonida发表了多篇理论物理和计算机科学的论文，被授予IBM发明大师(IBM Master Inventor)。Antonio Di Cecco是一位理论物理学家，拥有强大的数学背景。他完全致力于提供从入门到专家等不同层次的线上或线下AIML教育，使用深入挖掘AIML模型的数学基础的教育方法，并打开了新的角度来展示AIML知识和现有技术的改进空间。Antonio还拥有专注于创新和教学经验的经济学硕士学位。他还是一家意大利人工智能学院的领导，该学院在罗马和佩斯卡拉都有分支机构。译者：郭涛，主要从事模式识别与人工智能、智能机器人、软件工程、地理人工智能(GeoAI)和时空大数据挖掘与分析等前沿交叉技术的研究。翻译出版了《复杂性思考：复杂性科学与计算模型（第2版）》《神经网络设计与实现》和《概率图模型及计算机视觉应用》等畅销书。