Profesorul Hima Lakkaraju prezintă unele dintre cele mai recente progrese în explicațiile post-hoc pentru modelele de învățare automată tip cutie neagră, cum ar fi rețelele neuronale. Tehnicile de explicație post-hoc includ explicații locale, cum ar fi importanța caracteristicilor, hărți de importanță și contrafactuale, precum și explicații globale, cum ar fi colecții de explicații locale, distilare model și rezumate ale contrafactualelor.
Vezi playlistul complet:
#învățare automată
Cursuri interesante:
- Seminar Stanford – Explicabilitate ML Partea 2 I Modele interpretabile în mod inerent
- Seminar Stanford – Explicabilitatea ML Partea 4 I Evaluarea interpretărilor/explicațiilor modelului
- Seminar Stanford – ML Explainability Partea 1 I Prezentare generală și motivație pentru explicabilitate
- Seminar Stanford – Provocări în siguranța AI: o perspectivă de la o companie de conducere autonomă
- Seminar Stanford – Progrese recente în verificarea rețelelor neuronale, Zico Kolter
- Stanford Webinar: Visual Computing-Urmărirea principalelor tendințe și oportunități
- 22. Critica postcolonială
- Cursul 1. Zorii libertății
- No Black Box Machine Learning Curs – Învățați fără biblioteci
- 5. „Țări” și Națiune: rețele sociale și economice și sistemul urban