Gyakornoki téma: bizonytalanság-számszerűsítés és magyarázható MI a megbízhatóbb magyarázatokért

Stack

Feladatok

• ▹A gépi tanulásban használt bizonytalanság-becslési módszerek elemzése, különösen a bizonytalanság felbontásán (aleatorikus és episztemikus) alapulóké
• ▹Olyan kontrafaktuális magyarázatokat generáló algoritmus tervezése, amely bizonytalansági korlátokat is beépít
• ▹A javasolt módszer megvalósítása, és a generált magyarázatok minőségének kiértékelése különböző jellegű adathalmazokon (táblázatos adatok, képek)
• ▹A kifejlesztett módszer összehasonlítása egy-két újabb, korszerű versengő módszerrel

Elvárások

• ▹Bac+5 végzettség: mérnöki iskola vagy mesterképzés (master 2), MI/adattudomány területen
• ▹Python programozási ismeretek (PyTorch/TensorFlow, scikit-learn)
• ▹Statisztikai, matematikai és statisztikai tanulási (gépi tanulási) ismeretek
• ▹Érdeklődés a téma iránt

A munkáltatóról

Az Orange Innovation Recherche irányítja az Orange kutatási munkáit az Orange Innovation Data-IA, Networks, IT és Services, valamint Marketing & Design csapataira támaszkodva. A Bizalom, Biztonság és Tranzakciók kutatási terület a folyamatosan változó ökoszisztéma biztonsági kihívásaira keres válaszokat.