Vincent Lemaire

Biquality Learning geht effektiv mit schwacher Supervision und Datenverschiebungen im maschinellen Lernen um.

Eine neue Methode zur Berechnung von Shapley-Werten in naiven Bayes-Klassifikatoren verbessert die Interpretierbarkeit des Modells.

Eine Methode zur Verbesserung von Machine-Learning-Modellen unter Verwendung von vertrauenswürdigen und nicht vertrauenswürdigen Daten.

Erforschen, wie kontrafaktische Überlegungen die Klarheit von Vorhersagen im maschinellen Lernen verbessern.

Strategien erkunden, um aktives Lernen mit reichen Labels und Unsicherheit zu verbessern.