Detecção de Bugs em Modelos de Machine Learning

Carregando...
Imagem de Miniatura
Orientador
Barth, Fabrício Jailson
Co-orientadores
Tipo de documento
Trabalho de Conclusão de Curso
Data
2022
Título da Revista
ISSN da Revista
Título do Volume
Projetos de Pesquisa
Unidades Organizacionais
Fascículo
Resumo
Modelos de Machine Learning em produção muitas vezes apresentam comportamentos inesperados, que não foram detectados durante as etapas de treino, teste e validação, ao serem expostos a dados do mundo real. Esses comportamentos inesperados, ou “bugs” do modelo, ocorrem por diferentes motivos, como o não cumprimento de regras de negócio, dados de treino rotulados incorretamente e generalizações errôneas do próprio modelo. Este projeto tem como objetivo desenvolver uma biblioteca de Machine Learning explainability, open source, na linguagem de programação Python, que seja capaz de realizar diagnósticos e produzir relatórios que identifiquem esses bugs e comportamentos inesperados, permitindo assim que o cliente IFOOD, ou qualquer outro usuário da biblioteca, os corrija. Essa biblioteca poderá ser utilizada em modelos de classificação binária, na forma de “caixa-preta”, que foram treinados com dados tabulares.

Titulo de periódico
Título de Livro
Idioma
Português
Notas
Membros da banca
Tavares, Tiago Fernandes
Área do Conhecimento CNPQ
Engenharias
Citação