Eyke Hüllermeier

ProSMIN améliore la représentation des modèles sans données étiquetées, en s'attaquant aux défis clés de l'apprentissage auto-supervisé.

Explore comment l'incertitude affecte les prédictions en apprentissage automatique et les méthodes pour la mesurer.

Un nouveau cadre améliore la compréhension de l'optimisation bayésienne grâce aux valeurs de Shapley.

Cette méthode améliore la compréhension des interactions entre les caractéristiques dans les modèles de machine learning.

Cet article examine les défis dans la recherche en ML et propose des améliorations pour la fiabilité.

Une nouvelle méthode pour définir des récompenses pour les agents d'apprentissage par renforcement en utilisant des modèles de langage.

Un outil de référence fait progresser les stratégies d'apprentissage actif en apprentissage automatique.

Découvre comment les listes de scores probabilistes améliorent la prise de décision en intégrant des probabilités.

Une nouvelle méthode améliore la quantification de l'incertitude pour les prédictions de données graphiques.

Découvrez comment les explications basées sur les caractéristiques clarifient les prédictions des algorithmes de machine learning.