Projekty finansowane przez NCN

Dane kierownika projektu i jednostki realizującej

Szczegółowe informacje o projekcie i konkursie

Słowa kluczowe

Aparatura

Wyczyść formularz

HOMER: Uczenie maszynowe zorientowane na człowieka

2019/34/E/ST6/00052

Słowa kluczowe:

Wyjaśnialna sztuczna inteligencja Automatyczne uczenie maszynowe Człowiekocentryczna sztuczna inteligencja Strojenie hiperparametrów Interpretowalne Modelowanie Predykcyjne

Deskryptory:

  • ST6_7: Sztuczna inteligencja, systemy inteligentne i wieloagentowe
  • ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowania w przetwarzaniu sygnałów (np. mowy, obrazów, filmów)

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.

Inne projekty tej jednostki 

Kierownik projektu (z jednostki realizującej):

dr hab. Przemysław Biecek 

Liczba wykonawców projektu: 7

Konkurs: SONATA BIS 9 - ogłoszony 2019-06-17

Przyznana kwota: 2 043 400 PLN

Rozpoczęcie projektu: 2020-04-15

Zakończenie projektu: 2025-04-14

Planowany czas trwania projektu: 60 miesięcy (z wniosku)

Status projektu: Projekt zakończony

Opis Projektu

Pobierz opis projektu w formacie .pdf

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

Dane z raportu końcowego/rocznego

  • Publikacje w czasopismach (14)
  • Teksty w publikacjach pokonferencyjnych (4)
  1. LIMEcraft: handcrafted superpixel selection and inspection for Visual eXplanations
    Autorzy:
    Weronika Hryniewska, Adrianna Grudzień, Przemysław Biecek
    Czasopismo:
    Machine Learning (rok: 2022, tom: 1, strony: 1), Wydawca: Springer
    Status:
    Opublikowana
    Doi:
    10.1007/s10994-022-06204-w - link do publikacji
  2. survex: an R package for explaining machine learning survival models
    Autorzy:
    Mikołaj Spytek, Mateusz Krzyziński, Sophie Hanna Langbein, Hubert Baniecki, Marvin N Wright, Przemysław Biecek
    Czasopismo:
    Bioinformatics (rok: 2023, tom: 12, strony: 45659), Wydawca: Oxford academic
    Status:
    Opublikowana
    Doi:
    10.1093/bioinformatics/btad723 - link do publikacji
  3. SurvSHAP(t): Time-dependent explanations of machine learning survival models
    Autorzy:
    Mateusz Krzyziński, Mikołaj Spytek, Hubert Baniecki, Przemysław Biecek
    Czasopismo:
    Knowledge-Based Systems (rok: 2023, tom: 262, strony: 45670), Wydawca: Elsevier
    Status:
    Opublikowana
    Doi:
    10.1016/j.knosys.2022.110234 - link do publikacji
  4. Consolidated learning: a domain‑specifc model‑free optimization strategy with validation on metaMIMIC benchmarks
    Autorzy:
    Katarzyna Woźnica, Mateusz Grzyb, Zuzanna Trafas, Przemysław Biecek
    Czasopismo:
    Machine Learning (rok: 2023, tom: 1, strony: 45677), Wydawca: Springer
    Status:
    Opublikowana
    Doi:
    10.1007/s10994-023-06359-0 - link do publikacji
  5. LIMEcraft: handcrafted superpixel selection and inspection for Visual eXplanations
    Autorzy:
    Weronika Hryniewska, Adrianna Grudzień, Przemysław Biecek
    Czasopismo:
    Machine Learning (rok: 2022, tom: 1, strony: 1), Wydawca: Springer
    Status:
    Opublikowana
    Doi:
    10.1007/s10994-022-06204-w - link do publikacji
  6. Explainable Machine Learning for Lung Cancer Screening Models
    Autorzy:
    Katarzyna Kobylińska,Tadeusz Orłowski, Mariusz Adamek, Przemysław Biecek
    Czasopismo:
    Applied Sciences (rok: 2022, tom: 12, strony: 1926), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/app12041926 - link do publikacji
  7. 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:
    link do publikacji
  8. Multi-omics disease module detection with an explainable Greedy Decision Forest
    Autorzy:
    Bastian Pfeifer, Hubert Baniecki, Anna Saranti, Przemyslaw Biecek, Andreas Holzinger
    Czasopismo:
    Scientific Reports (rok: 2022, tom: 12, strony: 16857), Wydawca: Nature
    Status:
    Opublikowana
    Doi:
    10.1038/s41598-022-21417-8 - link do publikacji
  9. fairmodels: a Flexible Tool for Bias Detection, Visualization, and Mitigation in Binary Classification Models
    Autorzy:
    Jakub Wiśniewski, Przemyslaw Biecek
    Czasopismo:
    R Journal (rok: 2022, tom: 14/1, strony: 227 - 243), Wydawca: R Foundation
    Status:
    Opublikowana
    Doi:
    10.32614/RJ-2022-019 - link do publikacji
  10. Explainable Machine Learning for Lung Cancer Screening Models
    Autorzy:
    Katarzyna Kobylińska,Tadeusz Orłowski, Mariusz Adamek, Przemysław Biecek
    Czasopismo:
    Applied Sciences (rok: 2022, tom: 12, strony: 1926), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/app12041926 - link do publikacji
  11. SurvSHAP(t): Time-dependent explanations of machine learning survival models
    Autorzy:
    Mateusz Krzyziński, Mikołaj Spytek, Hubert Baniecki, Przemysław Biecek
    Czasopismo:
    Knowledge-Based Systems (rok: 2023, tom: 262, strony: 45670), Wydawca: Elsevier
    Status:
    Opublikowana
    Doi:
    10.1016/j.knosys.2022.110234 - link do publikacji
  12. fairmodels: a Flexible Tool for Bias Detection, Visualization, and Mitigation in Binary Classification Models
    Autorzy:
    Jakub Wiśniewski, Przemyslaw Biecek
    Czasopismo:
    R Journal (rok: 2022, tom: 14/1, strony: 227 - 243), Wydawca: R Foundation
    Status:
    Opublikowana
    Doi:
    10.32614/RJ-2022-019 - link do publikacji
  13. Multi-omics disease module detection with an explainable Greedy Decision Forest
    Autorzy:
    Bastian Pfeifer, Hubert Baniecki, Anna Saranti, Przemyslaw Biecek, Andreas Holzinger
    Czasopismo:
    Scientific Reports (rok: 2022, tom: 12, strony: 16857), Wydawca: Nature
    Status:
    Opublikowana
    Doi:
    10.1038/s41598-022-21417-8 - link do publikacji
  14. Explainable Machine Learning for Lung Cancer Screening Models
    Autorzy:
    Katarzyna Kobylińska,Tadeusz Orłowski, Mariusz Adamek, Przemysław Biecek
    Czasopismo:
    Applied Sciences (rok: 2022, tom: 12, strony: 1926), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/app12041926 - link do publikacji
  1. Manipulating SHAP via Adversarial Data Perturbations (Student Abstract)
    Autorzy:
    Hubert Baniecki, Przemyslaw Biecek
    Konferencja:
    IAAI-22, EAAI-22, AAAI-22 Special Programs and Special Track, Student Papers and Demonstrations (rok: 2022, tom: AAAI Conference on Artificial Intelligence, strony: 12907-12908), Wydawca: AAAI
    Data:
    konferencja 44740
    Status:
    Opublikowana
    Doi:
    10.1609/aaai.v36i11.21590 - link do publikacji
  2. Manipulating SHAP via Adversarial Data Perturbations (Student Abstract)
    Autorzy:
    Hubert Baniecki, Przemyslaw Biecek
    Konferencja:
    IAAI-22, EAAI-22, AAAI-22 Special Programs and Special Track, Student Papers and Demonstrations (rok: 2022, tom: AAAI Conference on Artificial Intelligence, strony: 12907-12908), Wydawca: AAAI
    Data:
    konferencja 44740
    Status:
    Opublikowana
    Doi:
    10.1609/aaai.v36i11.21590 - link do publikacji
  3. Explainable expected goal models for performance analysis in football analytics
    Autorzy:
    Mustafa Cavus; Przemysław Biecek
    Konferencja:
    IEEE eXplore: International Conference on Data Science and Advanced Analytics (DSAA) (rok: 2023, tom: International Conference on Data Science and Advanced Analytics (DSAA), strony: 45666), Wydawca: IEEE eXplore
    Data:
    konferencja 44847
    Status:
    Opublikowana
    Doi:
    10.1109/DSAA54385.2022.10032440 - link do publikacji
  4. Explainable expected goal models for performance analysis in football analytics
    Autorzy:
    Mustafa Cavus; Przemysław Biecek
    Konferencja:
    IEEE eXplore: International Conference on Data Science and Advanced Analytics (DSAA) (rok: 2023, tom: International Conference on Data Science and Advanced Analytics (DSAA), strony: 45666), Wydawca: IEEE eXplore
    Data:
    konferencja 44847
    Status:
    Opublikowana
    Doi:
    10.1109/DSAA54385.2022.10032440 - link do publikacji

O Narodowym Centrum Nauki

Finansowanie nauki

Współpraca zagraniczna

Centrum prasowe

Deklaracja dostępności
Przetwarzanie danych osobowych
Polityka cookies

Partnerzy