Projet de fin d'étude : Explainability in machine learning

Etudiant : HARIMECH MOHAMED

Filière : Master Mathématiques Appliquées et Science des données (MASD)

Encadrant : Pr. YAHYAOUYI ALI

Annèe : 2024

Résumé : La complexité des modèles d’apprentissage automatique a suscité des recherches pour les rendre plus explicables. Cependant, la plupart des méthodes d’explicitation ne peuvent pas fournir d’informations au-delà des données, car elles nécessitent des informations supplémentaires sur le contexte des données. Nous proposons d’exploiter les connaissances pour améliorer les capacités d’explication des modèles d’apprentissage automatique. Dans cet article, nous présentons une catégorisation de la recherche actuelle en trois catégories principales qui dans le pipeline d’apprentissage automatique, dans la méthode d’explicabilité où dérivent les connaissances des explications. Pour classer les articles, nous nous appuyons sur la taxonomie existante de l’apprentissage automatique informé et nous l’étendons du point de vue de l’apprentissage automatique informé. Et l’étendons du point de vue de l’explicabilité. Nous concluons par des défis ouverts et les orientations de la recherche.