Change language

Wyszukiwarka projektów

DALEX: Lokalne, brzegowe i globalne objaśnienia złożonych modeli uczenia maszyn

2017/27/B/ST6/01307

Słowa kluczowe

Deskryptory

  • ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowanie w przetwarzaniu sygnałów
  • ST6_12: Obliczenia naukowe, narzędzia modelowania i symulacji

Panel

ST6 – Informatyka i technologie informacyjne: technologie i systemy informacyjne, informatyka, obliczenia naukowe, systemy inteligentne

Jednostka realizująca

Politechnika Warszawska, Wydział Matematyki i Nauk Informacyjnych

woj. mazowieckie

Inne projekty tej jednostki »

Kierownik projektu (z jednostki realizującej)

dr hab. Przemysław Biecek

Liczba wykonawców projektu: 4

Konkurs

OPUS 14 – ogłoszony 2017-09-15

Przyznana kwota
542 660 PLN
Rozpoczęcie projektu
2018-08-08
Zakończenie projektu
2023-01-07
Planowany czas trwania projektu
53 miesiące (z wniosku)
Status projektu
Projekt rozliczony

Opis projektu

Pobierz opis projektu w formacie .pdf

Uwaga — opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.

Zakupiona aparatura

  1. 2 x Notebook DELL Vostro 7500.
  2. Laptop. Za kwotę 6 000 PLN
  3. Monitor 65''. Za kwotę 5 000 PLN
  4. Serwer 30TB HDD; 128 GB RAM; 24 cores. Za kwotę 46 000 PLN
  5. Tablet Apple iPad.

Dane z raportu końcowego/rocznego

Publikacje w czasopismach (9)

  1. The grammar of interactive explanatory model analysis

    Autorzy:
    Hubert Baniecki, Dariusz Parzych, Przemyslaw Biecek
    Czasopismo:
    Data Mining and Knowledge Discovery (rok: 2023, tom: 1, strony: 13516), Wydawca: Springer
    Status:
    Opublikowana
    DOI:
    10.1007/s10618-023-00924-w – link do publikacji

  2. modelDown: automated website generator with interpretable documentation for predictive machine learning models

    Autorzy:
    Kamil Romaszko, Magda Tatarynowicz, Mateusz Urbański, and Przemysław Biecek
    Czasopismo:
    The Journal of Open Software (rok: 2019, tom: 4 (38), strony: 5), Wydawca: nie dotyczy
    Status:
    Opublikowana
    DOI:
    10.21105/joss.01444 – link do publikacji

  3. Interpretable segmentation of medical free-text records based on word embeddings

    Autorzy:
    Adam Dobrakowski, Agnieszka Mykowiecka, Małgorzata Marciniak, Wojciech Jaworski, Przemysław Biecek
    Czasopismo:
    Journal of Intelligent Information Systems (rok: 2021, tom: 57, strony: 447-465), Wydawca: Journal of Intelligent Information Systems
    Status:
    Opublikowana
    DOI:
    10.1007/s10844-021-00659-4 – link do publikacji

  4. Clinical Significance of Nucleoli Cytomorphology Assessment in Patients With Uveal Melanoma

    Autorzy:
    TOMASZ BERUS, ANNA MARKIEWICZ, PRZEMYSŁAW BIECEK, JOLANTA ORŁOWSKA-HEITZMAN, AGNIESZKA HAŁOŃ, BOŻENA ROMANOWSKA-DIXON, PIOTR DONIZY
    Czasopismo:
    ANTICANCER RESEARCH (rok: 2020, tom: 40, strony: 505-3512), Wydawca: International Institute of Anticancer Research
    Status:
    Opublikowana
    DOI:
    10.21873/anticanres.14338 – link do publikacji

  5. Simpler is better: Lifting interpretability-performance trade-off via automated feature engineering

    Autorzy:
    Alicja Gosiewska, Anna Kozak, Przemysław Biecek
    Czasopismo:
    Decision Support Systems (rok: 2021, tom: 150, strony: 113556), Wydawca: Decision Support Systems
    Status:
    Opublikowana
    DOI:
    10.1016/j.dss.2021.113556 – link do publikacji

  6. Responsible Prediction Making of COVID-19 Mortality (Student Abstract)

    Autorzy:
    Hubert Baniecki, Przemyslaw Biecek
    Czasopismo:
    The Thirty-Fifth AAAI Conference on Artificial Intelligence (AAAI-21) Student Papers and Demonstrations (rok: 2021, tom: 35 (18), strony: 15755-15756), Wydawca: Association for the Advancement of Artificial Intelligence
    Status:
    Opublikowana

  7. pyCeterisParibus: explaining Machine Learning models with Ceteris Paribus Profiles in Python

    Autorzy:
    Michał Kuźba, Ewa Baranowska, Przemysław Biecek
    Czasopismo:
    The Journal of Open Software (rok: 2019, tom: 4 (37), strony: 7), Wydawca: nie dotyczy
    Status:
    Opublikowana
    DOI:
    10.21105/joss.01389 – link do publikacji

  8. dalex: Responsible Machine Learning with Interactive Explainability and Fairness in Python

    Autorzy:
    Hubert Baniecki, Wojciech Kretowicz, Piotr Piatyszek, Jakub Wisniewski, Przemyslaw Biecek
    Czasopismo:
    Journal of Machine Learning Research (rok: 2021, tom: 22, strony: 46029), Wydawca: Journal of Machine Learning Research
    Status:
    Opublikowana

  9. Interpretable meta-score for model performance

    Autorzy:
    Alicja Gosiewska, Katarzyna Woźnica, Przemysław Biecek
    Czasopismo:
    Nature Machine Intelligence (rok: 2022, tom: 4, strony: 792–800), Wydawca: Nature
    Status:
    Opublikowana
    DOI:
    10.1038/s42256-022-00531-2 – link do publikacji

Teksty w publikacjach pokonferencyjnych (2)

  1. Towards Explainable Meta-learning

    Autorzy:
    Katarzyna Woźnica, Przemysław Biecek
    Konferencja:
    ECML PKDD 2021: Warsztat Machine Learning and Principles and Practice of Knowledge Discovery in Databases (rok: 2021, strony: 505–520), Wydawca: Springer
    Data:
    konferencja 44452
    Status:
    Opublikowana

  2. Fooling Partial Dependence via Data Poisoning

    Autorzy:
    Hubert Baniecki , Wojciech Kretowicz, Przemyslaw Biecek
    Konferencja:
    ECML PKDD: European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (rok: 2022, strony: 46038), Wydawca: Springer
    Data:
    konferencja 44823
    Status:
    Opublikowana

« Nowe wyszukiwanie

Projekt graficzny i wykonanie: Jakub Piotrowski