Skip to main content
Back to top
Ctrl
+
K
Search
Ctrl
+
K
Contexte
Introduction
A propos du présentateur
Les objectifs de la sensibilisation
Définition du Machine learning
Périmètre de la présentation
Explicabilité
1. Définition de l’Explicabilité
2. Pourquoi avoir de l’explicabilité ?
2.3. Pour de futures réglementations
2.4. En résumé
3. Exemple pour illustrer le cours
4. Evaluer les performances d’un modèle
5. Méthodes agnostiques ou spécifiques
6. Explicablité locale
7. Explicabilité globale : Feature importance
8. Explicabilité globale : Détails par variable
9. A base de contre exemples
10. Les limites de certaines méthodes
11. choix d’un modèle
12. Comment ça s’applique ?
13. Comment sélectionner la population à évaluer
14. Evaluation de l’explicabilité
15. Un petit mot sur l’image et le texte
Annexes
Packages Python
Citations
Repository
Open issue
.md
.pdf
Comment ça s’applique ?
12.
Comment ça s’applique ?
#
Fig. 12.1
Image de la librairie
shapash
#
