Interprétabilité de l’IA: principes et études de cas

Au programme :

• Pourquoi vouloir des modèles interprétables ?
• Vue d’ensemble des outils pour l’IA interprétable.
• Quels challenges en pratique ?
• Questions / réponses.

ADVESTIS

• Christophe Geissler, Founder & Chief Scientific Officer
• Vincent Margot, Lead Machine Learning Engineer

Le webinar sera assuré en français à destination d’un public spécialisé mais un public plus large aura la possibilité de comprendre les enjeux et les moyens/techniques pour s’assurer de l’interprétabilité des algorithmes.

Christophe est diplômé de l’Ecole Normale Supérieure Ulm (Mathématiques et IA) et Actuaire agrégé. Ses domaines d’intérêt et d’expertise incluent le machine learning interprétable. Avant de créer Advestis en 2011, Christophe a occupé avec succès des postes de direction dans le domaine des sciences financières pendant 30 ans.

Ingénieur en machine learning chez Advestis depuis 2014. Vincent est titulaire d’un doctorat en mathématiques appliqués (Sorbonne Université). Vincent a développé de nouveaux algorithmes interprétables pour les problèmes de régression et a participé à des travaux de recherche sur les statistiques des valeurs extrêmes.