Wyjaśnialne uczenie maszynowe. Semestr letni 2018/2019.
Na przedmiot składa się wykład, laboratorium i projekt. Projekt realizowany jest we współpracy pięciu podmiotów. W grupach będą studenci z MiNI PW, MIM UW, SGH. Od strony domenowej wspierać nas będzie McKinsey i LaModa.
Przedmiot jest przedmiotem obieralnym, przez co reguły zaliczenia i prowadzenia przedmiotu mogą wydawać się niestandardowe. Uważam, że jedną z najważniejszych umiejętności data-scientista jest elastyczność i proaktywne podejście do problemu, przez co kryteria oceny będą mocno premiowały obie te cechy.
Plan spotkań na semestr letni
- 2019-03-01 Wprowadzenie do XAI. Omówienie Ceteris Paribus i Partial Dependence Plots
- 2019-03-08 Wspólne spotkania projektowe - wprowadzenie (wielka piątka)
- 2019-03-15 Wankardu Plots, Accumulated Local Effects
- 2019-03-22 SHAP i Break Down (z interakcjami)
- 2019-03-29 Wspólne spotkania projektowe - oddanie I (wielka piątka)
- 2019-04-05 LIME i localModel
- 2019-04-12 Auditor, model agnostic variable importance
- 2019-04-26 Wspólne spotkania projektowe - oddanie II (wielka piątka)
- 2019-05-17 Anchors i SAFE
- 2019-05-24 Concept drift, variable drift i interactive explanations
- 2019-05-31 Wspólne spotkania projektowe - prezentacje (wielka piątka)
- 2019-06-07 Saliency maps, XAI dla obrazów i tekstu
Zaliczenie oparte będzie o punkty. Można zdobyć od 0 do 100 punktów. 51 puntów zalicza przedmiot.
Na punkty składają się:
- prace domowe (będzie do 10 prac domowych), łącznie za 50 punktów,
- oddanie projektu (projekt oddawany jest w dwóch turach), łączenie za 50 punktów.
Kryteria oddania projektu podane będą w późniejszym czasie. Główną składową będzie uzyskany współczynnik konwersji w teście A/B.
Projekty będą realizowane w grupach, w skład których wchodzą studenci różnych uczelni. Więcej inforamcji pojawi się w przyszłości.
Literatura będzie uzupełniana na bieżąco.