Magyarázható mesterséges intelligencia a csalás megelőzésben

In my presentation I am going to talk about the following topics:
– Why is it crucial to interpret machine learning models?
– Types of machine learning interpretability (white box models, glass box models, interpretation tools)
– Levels of interpretability (global/ local)
– What are the post hoc and model agnostic tools?
– The SHAP method and its application on boosting ML models (in fraud prevention)

Utassy Dávid
Data Scientist, Machine Learning Guild Leader, SEON Technologies

Mechatronikai mérnökként több mint két évet dolgoztam ipari robotok szoftverének fejlesztésén a KUKA Robotics budapesti R&D központjában. A mérnöki és szoftverfejlesztői múltam mellett a mesterséges intelligenciával kapcsolatos tanulmányaim tették lehetővé, hogy jelenleg machine learning guild leader és data scientist vagyok a SEON-nál, Magyarország egyik legígéretesebb startupjánál. A SEON-nál az ügyfeleinknek automatizált módon segítünk elkerülni az online csalásokat, amiben a gépi tanulás és annak magyarázhatósága egyre nagyobb szerepet kap.