Explications propres au modèle

Fondamentaux de l’IA explicable (XAI)

Folkert Stijnman

ML Engineer

Explications propres au modèle

• Régression
  • Détermine la relation entre deux variables
  • Exemple : relation entre température et ventes de glace
• Classification
  • Vise à prédire l’étiquette d’une entrée
  • Exemple : si c’est rouge, c’est une fraise

Régression : comprendre les relations linéaires

• Prédire la quantité de glaces selon la température
• Comprendre les relations
• Faire des prédictions

Classification : trier les données en catégories

• Trier des données en catégories
• Selon leurs attributs

Modèles « boîte noire » : multitude de motifs complexes

• Grandes quantités de données
• Méthodes complexes
• Techniques XAI pour atténuer la complexité des décisions

Passons à la pratique !

Fondamentaux de l’IA explicable (XAI)