Skip to main content
ENHU
Címlap

Main navigation

  • Felfedezés
    • Hírek
    • Események
    • Pályázatok
  • Kutatási területek
  • Anyagok
    • Publikációk
    • Letöltések
    • Kiadvány
  • Rólunk
  • Partnerek
  1. Címlap
2022 Nov 9 | 4:00pm
Rényi Intézet / Zoom

Deep Learning szeminárium: Értelmezhető gépi tanulás és alkalmazása a felsőoktatásban és az orvostudományban

Zoom
Széchenyi Plusz RRF

A Rényi Intézet Deep Learning szemináriumának következő előadását Molontay Roland, Nagy Marcell és Pintér József (BME HSDSLab) tartják november 9-én szerdán 16:00-kor. Az előadás magyar nyelven, hibrid formában kerül megtartásra: mindenkit szeretettel várunk a Rényi Intézet Tondós termében, de az előadás az alábbi linken is követhető lesz:

https://us06web.zoom.us/j/98023276181?pwd=UnJSNHBDZUxpMzEwUkRURWtubkhPUT09

A legkorszerűbb gépi tanulási modellek (pl. mély neurális hálózatok, boosting algoritmusok) általában sokkal jobb prediktív teljesítmény elérésére képesek, mint egyszerűbb társaik (pl. lineáris regresszió, döntési fa). Ugyanakkor a bonyolult modellek használatával sokat veszítünk a modellek átláthatóságából, interpetálhatóságából, ami sok esetben gátat szab a "fekete dobozként" működő modellek valós alkalmazhatóságának. Az elmúlt években éppen ezért sok figyelem irányult az értelmezhető gépi tanulásra és a megmagyarázható mesterséges intelligenciára (XAI: eXplainable Artificial Intelligence).

Az előadásban bemutatunk néhány olyan technikát, amellyel a fekete doboz módszerek, különösen a neurális hálók eredményei is jobban értelmezhetővé válnak (SHAP, LIME, layer-wise relevance propagation, integrated gradient method). Továbbá megmutatjuk, hogy a BME Human and Social Data Science Laboratóriumban hogyan használtunk különböző XAI technikákat az egyetemi lemorzsolódás és különböző betegségek súlyosságának korai azonosítására.

Címlap

LinkedIn

Become a partner

Subscribe to newsletter

Send partnership request

Explore

  • News
  • Events
  • Tenders
  • Publications
  • Downloads
  • Partners

Kutatási területek

  • Az MI alapjai
  • Biztonság és személyes adatok védelme
  • Gépi látás és érzékelés
  • Gépi tanuláson alapuló intelligens gyártás, logisztika, távközés IoT megoldások fejlesztése
  • Nyelvtechnológia fejlesztése
  • Orvosi, egészségügyi alkalmazások

Contact us

Hungary, H-1111 Budapest,
Kende u. 13-17.
+36 1 279 6000
@email

© 2020-2021 Artifical Intelligence National Laboratory, Budapest