Apprentissage Automatique Interprétable: Arbres de décision et Réseaux Neuraux Interprétables

Cette séance de cours de l'instructeur couvre les extrêmes de la capacité d'interprétation dans l'apprentissage automatique, en mettant l'accent sur les arbres de décision clairsemés et les réseaux neuraux interprétables. La présentation s'inscrit dans la définition technique des modèles d'apprentissage automatique interprétables, le spectre de problèmes des données tabulaires et brutes, la comparaison entre les modèles COMPAS et CORELS, et la précision de prédiction de la réarrestation dans un délai de 2 ans. Il explore également la construction optimale d'arbres décisionnels clairsemés, la programmation dynamique pour les branches et les limites, ainsi que les arbres décisionnels généralisés et scalables (GOSDT). De plus, la séance de cours traite des réseaux neuronaux interprétables, des défis à relever pour expliquer les réseaux neuronaux profonds et du développement d'un algorithme d'IA interprétable pour les lésions mammaires. La séance se termine par un résumé des méthodes modernes d'arbre de décision et l'existence de réseaux neuronaux interprétables pour la vision informatique.