Bernd Bischl

Un nuevo método mejora el aprendizaje auto-supervisado a través del aprendizaje en conjunto para hacer mejores predicciones.

ProSMIN mejora la representación del modelo sin datos etiquetados, enfrentando desafíos clave en el aprendizaje auto-supervisado.

Este artículo habla sobre métodos para mejorar la eficiencia de muestreo en redes neuronales bayesianas.

Un nuevo marco mejora la comprensión de la optimización bayesiana a través de los valores de Shapley.

Effector ayuda a explicar los efectos regionales en los modelos de aprendizaje automático para obtener mejores insights.

Nuevos métodos ofrecen una visión más clara sobre las decisiones algorítmicas usando explicaciones contrafactuales.

Una guía sobre la importancia de las características y su papel en las predicciones del modelo.

Un método para reducir el tamaño de los modelos de lenguaje grandes mientras se mantiene su rendimiento.

Este artículo examina los desafíos en la investigación de ML y sugiere mejoras para la confiabilidad.

Una mirada a cómo AutoML puede atender mejor las necesidades diversas de los usuarios.

Reorganizar las divisiones de datos mejora la optimización de hiperparámetros en el aprendizaje automático.

Este estudio evalúa técnicas de análisis de supervivencia utilizando conjuntos de datos simples con datos faltantes.

Un estudio completo que compara métodos para estimar intervalos de confianza en modelos de aprendizaje automático.