Modell transzformáció és vetítés statisztikai-számítási hatékonyság, magyarázhatóság és megbízhatóság javítása érdekében

Tanszéki konzulens: 
A munkatárs fényképe
docens
Szoba: E435
Tel.:
+36 1 463-2677
Email: antal (*) mit * bme * hu

A kiírás adatai

A téma státusza: 
Aktív (aktuális, lehet rá jelentkezni)
Kiírás éve: 
2023
A kiírás jellege: 
önálló labor, szakdolgozat/diplomaterv

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. Részletekhttps://hcaim.bme.hu/en/msc-bme/ 

 

 

© 2010-2024 BME MIT | Hibajelentés | Használati útmutató