Vers une meilleure compréhension des modèles d’apprentissage automatique.
![imgActu](upload/docs/image/jpeg/2019-05/doc1_re.jpg)
M. Antonio Sutera défendra publiquement sa thèse intitulée "Importance measures derived from random forests: characterisation and extension"
De nos jours, les nouvelles technologies, et tout particulièrement l'intelligence artificielle, sont toujours plus ancrées dans notre société. L'analyse de grands volumes de données et l'apprentissage automatique, deux sous-domaines de l'intelligence artificielle, sont au centre des plus récentes percées dans de nombreux domaines (e.g., la médecine, la communication, la finance, ...), et en particulier des applications intimement liées à notre vie quotidienne (réseaux sociaux, ordinateurs, smartphones, ...).
En apprentissage automatique, les améliorations significatives sont souvent obtenues au prix d'une plus grande complexité computationelle et grâce à des quantités de données toujours plus grandes. A l'heure actuelle, les modèles de pointe obtenus par les algorithmes d'apprentissage automatique les plus sophistiqués sont généralement à la fois très efficaces et extrêmement complexes. Leur complexité est telle qu'ils sont souvent vus comme des “boîtes noires" fournissant une prédiction ou une décision qui ne peut ni être interprétée ni être justifiée.
Néanmoins, que ces modèles soient considérés de manière autonome ou comme de simples outils d'aide à la décision, ils sont déjà utilisés dans des applications d'apprentissage automatique desquelles dépendent la santé et des vies humaines. Par conséquent, il apparait comme une évidente nécessité de ne pas croire les prédictions de ces modèles aveuglément, sans les avoir comprises.
Dans ce contexte, cette thèse a pour but d'améliorer l'interprétation qui peut être faite de modèles construits par une famille particulière d'algorithmes d'apprentissage automatique basées sur les arbres de décision. Plusieurs mécanismes ont été mis en œuvre pour interpréter ces modèles et nous visons tout au long de cette thèse à améliorer leur compréhension, à étudier leurs propriétés et à en définir les limites.
Promoteur : Pierre Geurts
Informations pratiques
La défense (en anglais) est accessible à tous et aura lieu le lundi 13 juin 2019 à 14h30, dans le local R3 de l'Institut Montefiore, Bâtiment B28, au Sart Tilman (accès et plan).