Att ta fram väldesignade modeller är en av de de största utmaningarna för att få realistiska och användbara besluts- och optimeringssystem. Traditionella modeller skapades genom att interagera domänexperter med begränsad noggrannhet. Idag har vi tillgång till datamängder i oöverträffad skala och noggrannhet. I det här föredraget föreslår vi en metod som kallas Empirisk modellinlärning som använder maskininlärning för att extrahera datadrivna beslutsmodellkomponenter och integrerar dem i en expertdesignad beslutsmodell. Vi beskriver de huvudsakliga domänerna där EML kan vara användbart och vi visar hur man grundar Empirical Model Learning på vissa applikationer. Föreläsningen hålls på engelska.
Läs mer och anmäl dig på frAIdays hemsida.
Michela Milano professor inom Artificial Intelligence för DISI – University of Bologna; Chef för Centro Interdipartimentale Alma Mater Research Institute for Human-Centered Artificial Intelligence - (Alma AI)