English
Magyar
Modell transzformáció és vetítés statisztikai-számítási hatékonyság, magyarázhatóság és megbízhatóság javítása érdekében
 associate professor
Szoba: E435
Tel.:
+36 1 463-2677 Email: antal (*) mit * bme * hu |
A kiírás adatai
A komplex és/vagy nem értelmezhető gépi tanulási modellek transzformációja egy egyszerű és/vagy értelmezhető modellbe közel azonos teljesítményszintet tartva, mind a statisztikai és a számítási hatékonyságot növelheti, és segítheti magyarázhatóságot (explainable AI, XAI) és a megbízhatóságot (trustworthy AI).
A Bayes-statisztikai keret lehetővé teszi a modellre vonatkozó bizonytalanság transzformációját is, amely mind predikcióban, mind a magyarázhatóság tekintetében és a megbízhatóság esetében is megalapozott elméleti hátteret és gyakorlati közelítések sokaságát biztosítja.
Az önálló munka célja különböző modellosztályok közti transzformációk vizsgálata, mint például valószínűségi gráfos modellek és neurális hálózatok között. Az alkalmazási területek között elsődleges a klinikai döntéstámogatás, amelyben a megbízhatóság kiemelt szempont mind orvostechnikai szabályozás tekintetében (lásd Medical Device Regulation, MDR) és MI szabályozás esetében (lásd, AI Act).
A téma az emberközpontú MI kiegészítő mesterképzés (HCAIM) hallgatóinak kifejezetten ajánljott, mivel a feladat kiterjedhet a mesterséges intelligencia alkalmazásának társadalmi és személyi (etikai, erkölcsi, jogi, biztonsági, megbízhatósági, értelmezhetőségi, esélyegyenlőségi stb.) szempontjaira is. Részletek: https://hcaim.bme.hu/en/msc-bme/