In Tribune expert

« Machine learning has great potential for improving products, processes and research. But computers usually do not explain their predictions which is a barrier to the adoption of machine learning. »

C’est par cette phrase que Christophe Molnar démarre la préface de son livre sur l’interprétabilité des modèles de machine learning.

Un besoin d’interprétabilité en croissance

Comme nous avons pu le détailler dans un précédent article sur le sujet, de plus en plus de projets data s’appuient sur des algorithmes de Machine Learning. Ceci permet de gagner en performance, vis-à-vis des modèles traditionnels, mais confronte les équipes opérationnelles à une complexité d’interprétabilité.

L’interprétabilité d’un modèle, qui est la capacité à comprendre les raisons d’une décision d’un algorithme, est nécessaire à ces équipes pour avoir confiance en sa performance et comprendre sa logique afin de l’utiliser au mieux.

Objet du MeetUp

Ce meetup va nous permettre de partager et comprendre les principales méthodes d’interprétabilité (PCP & ICE / Shapley / Lime) afin de décortiquer leur fonctionnement.

Nous échangerons avec vous sur les principaux cas d’application et mettrons en avant des retours d’expérience de cas concrets en partenariat avec Xplik, startup spécialisée dans l’XAI (Explicabilité des méthodes d’Intelligence Artificielle).

Informations utiles :

  • Date : Le Mardi 15 Octobre 2019 de 19h à 21h30
  • Lieux : Locaux AVISIA au 48 Avenue Victor Hugo – 75016 PARIS
  • Animateurs : MeetUp animé par Thibault POISSONNIER (@AVISIA) & Louis-Baptiste FRANCE (@Xplik)
  • Inscriptions : Il vous suffit de réserver votre place ci dessous (*) :

 

Pour ceux qui nous connaissent déjà vous savez que nous aurons le plaisir de vous accueillir autour d’un cocktail dînatoire, et pour ceux qui ne nous connaissent pas encore, ce sera l’occasion de partager un premier moment ensemble.

(*) Nombre de places limité. AVISIA se réserve un droit de validation pour chaque inscription.

Recent Posts
AVISIA