Explainable Data Mining for Critical Domains Based on Complex Data Structures

Promovendus/a
Vandewiele, Gilles
Faculteit
Faculteit Ingenieurswetenschappen en Architectuur
Vakgroep
Vakgroep Informatietechnologie
Curriculum
Master of Computer Science Engineering, Universiteit Gent, 2016
Academische graad
Doctor in de ingenieurswetenschappen: computerwetenschappen
Taal proefschrift
Engels
Vertaling titel
Verklaarbaar ontginnen van data voor kritieke domeinen op basis van complexe datastructuren
Promotor(en)
prof. Filip De Turck, vakgroep Informatietechnologie - prof. Femke Ongenae, vakgroep Informatietechnologie
Examencommissie
voorzitter em. prof. Hendrik Van Landeghem (ere-onderwijsdirecteur) - prof. Filip De Turck (Vakgroep Informatietechnologie) - prof. Nikolaos Deligiannis (Vrije Universiteit Brussel) - prof. Tom Dhaene (Vakgroep Informatietechnologie) - dr. Hassan Ismail Fawaz (Besedo, France) - prof. Femke Ongenae (Vakgroep Informatietechnologie) - dr. Petar Ristoski (IBM, USA) - prof. Sofie Van Hoecke (Vakgroep Elektronica en Informatiesystemen)

Korte beschrijving

Machinaal Leren (ML) wordt in mindere mate toegepast in kritische domeinen, waar hoge consequenties vasthangen aan het nemen van beslissingen, vanwege een gebrek aan transparantie en uitlegbaarheid van de huidige populaire technieken aangezien deze vaak 'black-box' zijn. In deze thesis proberen we enerzijds ML systemen meer uitlegbaar te maken door te focussen op white-box ML technieken en anderzijds de transparantie te verhogen door het inbrengen van expert-kennis. Aan de basis van een uitlegbaar systeem liggen uitlegbare variabelen, die vaak veel inspanning vergen om geëxtraheerd te worden van complexere datastructuren zoals grafen en tijdsreeksen. Ook deze extractie van variabelen, met een minimum van inspanning, is een focus van deze dissertatie. In totaal stellen we drie innovatieve technieken voor die één of meerdere van de vooropgestelde onderzoeksuitdagingen aanpakken. Daarbovenop stellen we ook twee uitbreidingen van bestaande algoritmes voor en bespreken we twee toepassingen voor deze technieken.

Praktisch

Datum
Donderdag 25 februari 2021, 13:00
Livestream
Volg online

via livestream/videoconferentie, zie link hierboven, maatregel COVID19

Meer info

Contact
doctoraat.ea@UGent.be