O aprendizado profundo é um método extensamente utilizado tanto em pesquisas acadêmicas quanto aplicações na indústria. Seu sucesso decorre pelo seu desempenho ser superior aos métodos padrão de análise de dados.
Contudo, sua utilização muitas vezes vem acompanhado da falta de compreensão relativa às etapas e elementos do processamento de dados. Por isso, os sistemas que abordam o aprendizado de máquina são frequentemente vistos como “caixas pretas”, um sistema fechado, complexo, cuja estrutura interna é desconhecida.
Na palestra, o professor de computação da Universidade de Bordeaux (França), Romain Giot, conversará sobre como o eXplainable Deep Learning pode auxiliar a abrir essas caixas pretas, permitindo a compreensão de toda sua complexidade. O professor apresentará as limitações dos sistemas de aprendizado profundo, e o conceito de sistemas interpenetráveis e análise post-hoc. Por fim, o especialista comentará as principais características sobre sistemas de Análise Visual relacionadas a eXplainable Deep Learning.
