映像解析・画像認識での飛躍的な精度向上をはじめとして、Webサービス、医療、自動運転など応用が広がる機械学習技術について、モデルの判断根拠や内部挙動を説明する、解釈性付与の技術を解説します。
　講義ではまず、機械学習モデルの解釈性に関する世の中の議論を整理し、社会に望まれる性質 (Desiderata) について解説します。次に、解釈性を与えるアプローチを紹介し、現在利用可能なライブラリを用いながら、解釈性が、機械学習モデルを使った開発・ビジネスをどのように助けることができるか、また今後どのような技術が求められるかを解説します。

1. 機械学習モデルの解釈性
   1. 機械学習モデルになぜ解釈性が必要か
2. 社会的背景
   1. 社会に求められる解釈性とは (Desiderata)
3. 解釈性付与の手法
   1. モデルに関する仮定 Model-agnosticとModel-specific
   2. モデルに対する解釈性付与
   3. 推論結果に対する解釈性付与
   4. インスタンスベースの手法
4. 今後の動向
   1. 解釈性付与の手法はDesiderataに対しどのように応えられているか
• 質疑応答・名刺交換