Книга поможет осознанно и эффективно работать с моделями машинного обучения. — Дано введение в интерпретацию машинного обучения: раскрыты важность темы, её ключевые понятия и проблемы. — Рассмотрены методы интерпретации: модельно-агностические, якорные и контрфактические, для многопеременного прогнозирования, а также визуализации сверточных нейронных сетей. Раскрыты вопросы настройки на интерпретируемость: отбор и конструирование признаков, ослабление систематического смещения и причинно-следственный вывод, монотонные ограничения, настройка моделей и устойчивость к антагонизму. — Показаны перспективы развития интерпретируемых моделей машинного обучения. — Каждая глава книги включает подробные примеры исходного кода на языке Python. — На сайте издательства размещен архив с цветными иллюстрациями.