Czy możemy ufać modelom ML? & Inżynieria i analiza danych na PRz

Prelegent: Piotr Skalski, VirtusLab:

Tytuł: "Czy możemy ufać modelom ML? - Interpretowalność modeli w zakresie Computer Vision"

Machine Learning staje się coraz istotniejszym elementem naszego życia. Z jego pomocą budujemy samochody autonomiczne, poszukujemy złóż dóbr naturalnych czy wykrywamy złośliwe guzy na zdjęciach rentgenowskich. Jednak bardzo często - szczególnie w przypadku rozbudowanych i skomplikowanych sieci neuronowych - pozostaje dla nas tajemnicą, dlaczego model podjął taką a nie inną decyzję. Taka sytuacja powoduje, że wiele oczywistych błędów modelu umyka naszej uwadze, ukryta pod grubą warstwą abstrakcji. Co więcej, mnóstwo potencjalnych zastosowań ML, na przykład w zakresie medycyny, nie może zostać wprowadzone w życie, ze względu wymóg przedstawienia powodów postawienia danej diagnozy. Bardzo potrzebne jest więc, budowanie narzędzi pozwalających na zrozumienie źródeł decyzji naszego modelu. W ramach mojej prezentacji, postaram się przedstawić kilka możliwości, którymi dysponujemy już teraz, aby zrozumieć jak "myśli" nasz model.

Bio:

Placuję jako BigData Developer w VirtusLab. Od kilku lat interesuje się ML, a w szczególności sieciami neuronowymi. Na Medium prowadzę blog poświęcony Deep Learning, omawiający skomplikowane algorytmom drzemiącym wewnątrz popularnych bibliotek. Ponad to w wolnym czasie rozwijam kilka otwartych projektów krążących wokół DL.

Prelegent: dr Ewa Rejwer, Zakład Modelowania Matematycznego, Wydział Matematyki i Fizyki Stosowanej Politechniki Rzeszowskiej

Tytuł: "Inżynieria i analiza danych" jako nowy kierunek na Politechnice Rzeszowskiej

Bio:

TBD