Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

logo del sistema bibliotecario dell'ateneo di padova

Grimaldi, Francesco (2020) Interpretability techniques for machine learning models: two case studies on steel defects classification and prediction. [Magistrali biennali]

Per questo documento il full-text online non disponibile.

Abstract

In the most recent years complex machine learning algorithms offered good solution sto real world tasks, however this increase in performance comes hand in hand with a lack of model interpretation. The work focus on new interpretability techniques for machine learning models, created to deal with this kind of problem and apply them to two machine learning systems in the context of steel industry, in particular on classification of defects in steel sheets and on defect prediction in steel coils

Item Type:Magistrali biennali
Corsi di Diploma di Laurea:Scuola di Scienze > Data Science
Codice ID:64879
Relatore:Testolin , Alberto
Correlatore:Cestari, Luca
Data della tesi:03 December 2020
Biblioteca:Polo di Scienze > Biblioteca di Matematica

Solo per lo Staff dell Archivio: Modifica questo record