Reliable ML va takrorlanuvchi tadqiqotlar

Kurs haqida

Kurs ishonchli ML-tizimlarni qurish va baholashni o'rgatadi. Ma'lumotlarning norepresentativligi manbalari, bias'ni aniqlash va kamaytirish usullari, ehtimolliklarni kalibrlash, noaniqlikni baholash (uncertainty quantification) hamda HARKing va p-hacking'siz to'g'ri tadqiqot siklini olib borish o'rganiladi. Kurs xato narxi baland bo'lgan production-tizimlar va vijdonan bajarilgan ilmiy ishlar yozishga tayyorlaydi.

Nimalarni o'rganasiz

✓Ma'lumot va modeldagi bias manbalarini aniqlash va hujjatlashtirish

✓Ehtimollik bashoratlarini kalibrlash va conformal prediction yordamida uncertainty'ni baholash

✓Belgilar sizib chiqmasdan va taqqoslashlar ko'pligiga tuzatish kiritilgan eksperiment dizaynini loyihalash

✓Modellar xatti-harakatini talqin qilish uchun SHAP va probing classifiers'dan foydalanish

Asosiy mavzular

•Dataset shift: covariate, label, concept drift

•Bias va fairness: ta'riflar, metrikalar, kamaytirish usullari

•Ehtimolliklarni kalibrlash: Platt scaling, isotonic regression, temperature scaling

•Uncertainty quantification: epistemic vs aleatoric, conformal prediction

•Takrorlanuvchanlik: HARKing, p-hacking, multiple comparisons

•Ablation studies va to'g'ri eksperiment dizayni

•Evaluation leakage: data contamination, benchmark overfitting

•Talqin qilinuvchanlik: SHAP, LIME, attention, probing classifiers

•Adversarial robustness: asosiy hujumlar va himoyalar

Ushbu tavsif avtomatik tarzda yaratilgan va hali o'qituvchi tomonidan tekshirilmagan — bu muhokama uchun qoralama.

Kurs haqida

Nimalarni o'rganasiz

Asosiy mavzular

Fikr-mulohaza