Odată cu un progres evolutiv al algoritmilor ML de învățare automată, o creștere rapidă a volumelor de date și o îmbunătățire semnificativă a puterilor de calcul, învățarea automată devine fierbinte în diferite aplicații. Cu toate acestea, din cauza naturii cutiei negre în metodele ML, ML trebuie încă interpretat pentru a lega învățarea umană și automată pentru transparență și acceptarea de către utilizator a soluțiilor livrate. Această carte editată abordează astfel de legături din perspectiva vizualizării, explicației, credibilității și transparenței. Cartea stabilește legătura dintre învățarea umană și cea automată prin explorarea transparenței în învățarea automată, explicarea vizuală a proceselor ML, explicarea algoritmică a modelelor ML, răspunsurile cognitive umane în procesul de luare a deciziilor bazate pe ML, evaluarea umană a învățării automate și cunoașterea domeniului în aplicații ML transparente. Aceasta este prima carte de acest gen care înțelege sistematic activitățile de cercetare active actuale și rezultatele legate de învățarea umană și automată. Cartea nu numai că îi va inspira pe cercetători să dezvolte cu pasiune noi algoritmi care încorporează algoritmi ML centrați pe om pentru om, rezultând în avansarea generală a ML, dar îi va ajuta și pe practicienii ML să utilizeze în mod proactiv rezultatele ML pentru luarea deciziilor informative și de încredere. Această carte este destinată cercetătorilor și practicienilor implicați în învățarea automată și aplicațiile sale. Cartea va aduce beneficii în special cercetătorilor în domenii precum inteligența artificială, sistemele de sprijin decizional și interacțiunea om-computer.