Skip to main content
Ctrl+K
Sensibilisation à l'explicabilité - Home Sensibilisation à l'explicabilité - Home
  • 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

Index

By Thomas Bouché

© Copyright 2023.