Denis Vorotyntsev: ML interpretability problems in tabular data tasks

Data Fest Online 2020 Interpretable ML Track - ML Interpretability Problems in Tabular Data Tasks Денис Воротынцев расскажет о проблемах интерпретации моделей машинного обучения при решении задач, связанных с табличными данными. Во время доклада будут рассмотрены следующие вопросы: Мотивация интерпретации моделей; Методы интерпретации “черных ящиков“. Permutation importance, LIME, SHAP: плюсы, минусы, проблемы; Аддитивные модели как альтернатива “черным ящикам“; Почему и как дата саентисты ошибаются при использовании интерпретационных тулов. Как этого избежать. Denis Vorotyntsev will talk about ML models interpretability while working with tabular data tasks. During presentation following topic will be covered: Machine learning models interpretability motivation; Interpreting black boxes. Permutation importance, LIME, SHAP: pros, cons, problems; Additive models as an alternative to black boxes; Why and how data scientists fail when using interpretation tools. How to avoid it. Посмотреть эфир и список треков и организаторов Зарегистрироваться на фест и получить доступ к трекам Вступить в сообщество Соцсети Data Fest: