Séance de cours

Causalité pour Robust ML

Description

Cette séance de cours de l'instructeur de l'Université d'État de l'Oregon traite de l'indispensabilité de la causalité pour un apprentissage machine robuste et fiable. Il couvre des sujets tels que les ensembles de données idéaux, les problèmes cruciaux avec les données manquantes, les modèles graphiques pour l'encodage transparent des hypothèses, et la récupérabilité des données manquantes. La séance de cours se penche également sur les structures problématiques, les implications vérifiables, les modèles linéaires d'interférence et les principaux résultats liés à l'amplification des biais et à l'impact sur la taille de l'échantillon. Les théorèmes d'impossibilité théorique pour les données manquantes sont explorés, ainsi que des exemples du monde réel d'absence non dans des scénarios aléatoires. La séance de cours se termine par des références à des œuvres connexes.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.