Explicabilité des modèles profonds et méthodologie pour son évaluation : application aux données textuelles de Pôle emploi

Explicabilité des modèles profonds et méthodologie pour son évaluation : application aux données textuelles de Pôle emploi

L intelligence Artificielle fait partie de notre quotidien. Les modèles développés sont de plus en plus complexes. Les régulations telles que la Loi Pour une République Numérique orientent les développements logiciels vers plus d éthique et d explicabilité. Comprendre le fonctionnement des modèles p...

Description complète

Enregistré dans:
Détails bibliographiques
Auteurs principaux : Jouis Gaëlle (Auteur), Mouchère Harold (Directeur de thèse), Picarougne Fabien (Directeur de thèse), Venturini Gilles (Président du jury de soutenance), Hudelot Céline chercheuse en informatique (Rapporteur de la thèse), Lenca Philippe (Rapporteur de la thèse), Dufour Richard (Membre du jury)
Collectivités auteurs : Nantes Université 2022-.... (Organisme de soutenance), École Doctorale Mathématiques et Sciences et Technologies du numérique, de l Information et de la Communication Nantes (Ecole doctorale associée à la thèse), Laboratoire des Sciences du Numérique de Nantes (Laboratoire associé à la thèse)
Format : Thèse ou mémoire
Langue : français
Titre complet : Explicabilité des modèles profonds et méthodologie pour son évaluation : application aux données textuelles de Pôle emploi / Gaëlle Jouis; sous la direction de Harold Mouchère et de Fabien Picarougne
Publié : 2023
Accès en ligne : Accès Nantes Université
Note sur l'URL : Accès au texte intégral
Note de thèse : Thèse de doctorat : Informatique : Nantes Université : 2023
Sujets :
Apprentissage profond
Réseaux neuronaux (informatique)
Pôle emploi
Outils d explicabilité
Intelligence Artificielle
Réseaux de Neurones
Thèses et écrits académiques

Internet

http://www.theses.fr/2023NANU4007/document