Joao Marques-Silva

Explorer l'importance de l'IA explicable pour une prise de décision fiable.

Comprendre les décisions de l'IA renforce la confiance et la clarté dans la tech.

Comprendre l'importance et les stratégies pour gérer les données manquantes en apprentissage automatique.

Les valeurs de Shapley peuvent mal représenter l'importance des caractéristiques, ce qui influence des décisions importantes.

S'attaquer aux problèmes des scores SHAP pour une meilleure explication du modèle.

Les avancées dans l'IA explicable améliorent la compréhension des modèles de ML complexes.

Examine de nouvelles méthodes pour comprendre les contributions des caractéristiques dans l'apprentissage automatique.

Explorer le rôle des méthodes basées sur la logique dans la transparence de la prise de décision en IA.

Les scores SHAP peuvent induire en erreur les prédictions et la prise de décision des modèles d'IA.

Explore comment les explications contrastives renforcent la confiance et la compréhension dans les modèles d'apprentissage automatique.