Témák | Tutorial Nap

ML modellek magyarázhatósága Pythonban tutorial

LEÍRÁS

Az élet szinte minden területén alkalmazható mesterséges intelligencia, és azon belül gépi tanulási
algoritmusok az adatvagyon kiaknázására, a döntések támogatására, vagy akár a döntések
meghozatalára is. A gépi tanulási algoritmusok segítségével létrehozott modellek azonban sajnos
csak kevés esetben értelmezhetőek közvetlenül, így az egyre komplexebb modellek (ensemble
modellek, sekély és mély neurális hálók, stb.) használata közben több kérdés is felmerülhet a
felhasználóban:

• A modellek előrejelzéseinek, becsléseinek melyek a legfontosabb driver-ei, mozgatórugói?
• Hogyan bízhatunk a modell előrejelzéseiben?
• Miért hozott meg egy bizonyos döntést a modell?
• Hogyan tudjuk bemutatni és könnyen magyarázni a modellek eredményét az üzleti
  felhasználóknak?

A fenti kérdésekre keresi a válaszokat az „Explainable Machine Learning”, mely az utóbbi években
nagyon népszerű és aktív kutatási terület. A workshop során áttekintjük a modellek
értelmezhetőségének és magyarázhatóságának legfontosabb megközelítéseit, valamint gyakorlati
példákon keresztül a Python-ban rendelkezésre álló hagyományos és legfrissebb technikákat,
eszközöket.

ELŐFELTÉTELEK

A workshop gyakorlati jellegű, ezért aki nemcsak hallgatni szeretné a workshopot, hanem a
gyakorlatokat is együtt szeretné végrehajtani az előadóval, annak saját laptopra is szüksége lesz előre
telepített Python környezettel, illetve szüksége lesz olyan jogosultságokra a számítógépén, melyekkel
szükség szerint új csomagokat is telepíthet. Ennek megfelelően a résztvevők számára erősen ajánlott
legalább alapszintű Python és alapszintű gépi tanulási modellezés tudás, valamint a kapcsolódó data
science csomagok ismerete (alapszintű pandas és scikit-learn).

TEMATIKA

• Bevezetés: alapfogalmak (értelmezhetőség és magyarázhatóság, IML és XAI, aspektusok, globális és lokális értelmezhetőség)
• Klasszikus megközelítések
  • Hagyományos módszerek
  • Feature Importance
  • Vizuális segédeszközök: PDP és ICE
• Globális és Lokális értelmezést biztosító technikák: ELI5, Skater, Shap
• Vizuális áttekintést nyújtó dashboard-ok: ExplainerDashboard

ELŐADÓ

Oltyán Gábor Chief Data Scientist, Tech Senior Manager PwC Hungary LinkedIn

Oltyán Gábor, a PwC Magyarország Chief Data Scientist-je, aki az üzleti intelligencia területén 2000-ben kezdett dolgozni fejlesztőként és data mining elemzőként. Közel 200 sikeres adatbányászati és data science projektben vett részt, illetve később irányított három földrészen Seattle-től Kuala Lumpurig. A prediktív analitika, adatbányászat, big data analitika területén szerzett mély tapasztalatra építve készít átfogó megoldásokat, melyek a legújabb eszközöket és módszertanokat felhasználva segítenek a cégeknek a rendelkezésre álló adatvagyonuk minél teljesebb üzleti kiaknázásában.

LEBONYOLÍTÁSI TUDNIVALÓK

Dátum: 2023. június 5., hétfő
Hossz: Félnapos tutorial
Formátum: Személyes előadás
Nyelv: Magyar
Helyszín: Danubius Hotel Helia**** (Budapest, Kárpát u. 62-64.)