Palestrante: Eduardo Vargas Ferreira

Título: Abordagens modernas para interpretação de algoritmos complexos de Machine Learning

Resumo: Métodos não lineares como Deep Neural Networks (DNNs) têm revolucionado a solução de vários problemas em Machine Learning, por exemplo, em medical imaging, natural language processing, human action recognition etc. Entretanto, na maioria dos casos, eles apresentam a desvantagem da falta de transparência, agindo como uma “caixa-preta”, sem fornecer informações detalhadas sobre os motivos de determinada decisão. Por esse motivo, são pouco atrativos, especialmente em aplicações onde se deseja mais do que uma avaliação unidimensional binária, mas sim de termos compreensíveis sobre os motivos para aquele resultado. Este seminário é o primeiro de uma série de encontros em que apresentaremos abordagens modernas de Machine Learning para obtenção de sistemas que ao mesmo tempo são (i) flexíveis, capazes de captar estruturas cada vez mais complexas dos fenômenos e (ii) transparentes, que apresentam completa e suficiente interpretação para o entendimento humano, sem que a descrição simplificada implique em conclusões enganosas.