#shap — Public Fediverse posts

UAW Cancels Strike Vote After Agreement With Stellantis

🕑2 min read Tensions at the Sterling Heights Assembly Plant (SHAP) have cooled off after the Unit…
#Netherlands #Nederland #NL #Europe #Europa #EU #Stellantis #Agreement #assemblyplant #Automotive #Detroit #Factory #Industry #jobs #Labor #Manufacturing #Michigan #Mopar #Negotiations #Outsourcing #Production #Ram #Ram1500 #SHAP #SkilledTrades #SterlingHeights #strike #Trucks #UAW #Union #Workers
https://www.europesays.com/netherlands/10180/

UAW Strike Vote Set For Stellantis Sterling Heights Plant

🕑2 min read Tensions are building in Metro Detroit as the United Auto Workers (UAW) prepares to hold…
#Netherlands #Nederland #NL #Europe #Europa #EU #Stellantis #1500 #Assembly #Labor #Manufacturing #Michigan #Outsourcing #Production #Ram #Ram1500 #RamTrucks #SHAP #SkilledTrades #SterlingHeights #SterlingHeightsAssemblyPlant #strike #UAW #Union #UnitedAutoWorkers
https://www.europesays.com/netherlands/8068/

Трафик под микроскопом: ML‑модель в поиске новых сетевых «отпечатков» вредоносов

Привет, Хабр! С вами вновь Ксения Наумова из экспертного центра безопасности вместе с Игорем Кабановым из ML‑команды Positive Technologies. Однажды мы построили ML‑модель на сетевом трафике, обучили её на реальных сетевых сессиях и запустили в песочнице PT Sandbox для усиления возможностей по обнаружению вредоносов. Но команда машинного обучения не останавливалась на достигнутом. Вместе мы провели серию новых экспериментов, расширили набор входных признаков и протестировали модель на более сложных сценариях, что привело к обновлению модели и ещё большему детект‑рейту.

https://habr.com/ru/companies/pt/articles/993058/

#network_security #ml #вредоносное_по #sandbox #песочница #сетевой_трафик #mlмодель #shap

Трафик под микроскопом: ML‑модель в поиске новых сетевых «отпечатков» вредоносов

Привет, Хабр! С вами вновь Ксения Наумова из экспертного центра безопасности вместе с Игорем Кабановым из ML-команды Positive Technologies. Однажды мы построили ML-модель на сетевом трафике, обучили её на реальных сетевых сессиях и запустили в песочнице PT Sandbox для усиления возможностей по обнаружению вредоносов. Но команда машинного обучения не останавливалась на достигнутом. Вместе мы провели серию новых экспериментов, расширили набор входных признаков и протестировали модель на более сложных сценариях, что привело к обновлению модели и ещё большему детект-рейту.

https://habr.com/ru/companies/pt/articles/991006/

#network_security #ml #вредоносное_по #sandbox #песочница #сетевой_трафик #mlмодель #shap

#uk #Liverpool #Shap #Cumbria #Scotland #Wales #NorthernIreland
BBC News - https://www.bbc.co.uk/news/live/c0r9r1r5lnpt
UK weather latest: Snow closes hundreds of schools as cold snap hits - BBC News

New pre-proof in Journal of Molecular Liquids: ML predicts NMR chemical shifts for metal complexes (45Sc, 49Ti, 89Y, 91Zr, 139La). CatBoost+RDKit ≈7% RMSE for Sc/Y/La; 9% Ti; 13% Zr. SHAP highlights cyclic motifs & electrostatics. Read: https://doi.org/10.1016/j.molliq.2025.128417 #NMR #MachineLearning #MaterialsScience #TransitionMetals #RDKit #CatBoost #SHAP

Shap-графики: как наглядно объяснить заказчику логику работы модели

Всем привет. Я Андрей Бояренков, лидер кластера бизнес-моделей стрима "Разработка моделей КИБ и СМБ" банка ВТБ. В этой статье расскажу о том, какие на мой взгляд типы графиков необходимо построить, чтобы наиболее оптимальным образом показать заказчику логику работы фичей в моделях.

https://habr.com/ru/companies/vtb/articles/938988/

#shap #machine_learning #catboost #data_science #python #моделирование

Shap-графики: как наглядно объяснить заказчику логику работы модели

Всем привет. Я Андрей Бояренков, лидер кластера бизнес-моделей стрима "Разработка моделей КИБ и СМБ" банка ВТБ. В этой статье расскажу о том, какие на мой взгляд типы графиков необходимо построить, чтобы наиболее оптимальным образом показать заказчику логику работы фичей в моделях.

https://habr.com/ru/companies/vtb/articles/938988/

#shap #machine_learning #catboost #data_science #python #моделирование

Shap-графики: как наглядно объяснить заказчику логику работы модели

Всем привет. Я Андрей Бояренков, лидер кластера бизнес-моделей стрима "Разработка моделей КИБ и СМБ" банка ВТБ. В этой статье расскажу о том, какие на мой взгляд типы графиков необходимо построить, чтобы наиболее оптимальным образом показать заказчику логику работы фичей в моделях.

https://habr.com/ru/companies/vtb/articles/938988/

#shap #machine_learning #catboost #data_science #python #моделирование

Shap-графики: как наглядно объяснить заказчику логику работы модели

Всем привет. Я Андрей Бояренков, лидер кластера бизнес-моделей стрима "Разработка моделей КИБ и СМБ" банка ВТБ. В этой статье расскажу о том, какие на мой взгляд типы графиков необходимо построить, чтобы наиболее оптимальным образом показать заказчику логику работы фичей в моделях.

https://habr.com/ru/companies/vtb/articles/938988/

#shap #machine_learning #catboost #data_science #python #моделирование

The worse thing is when you use #SHAP to generate graphics of covariate interactions, and your allocation on the supercomputer gets timeout, and then you are back to the queue 😞

📚🧠 Your AI just generated 12 citations. But 3 of them? Completely fake.
We built a 5-layer citation validator using SHAP, XGBoost & real-time monitoring — and slashed validation time from 42 minutes to 6.

Want trustworthy AI? Let the architecture do the QA.
👇 Read the full breakdown:
🔗 https://medium.com/@rogt.x1997/shap-xgboost-and-the-end-of-fake-references-inside-a-5-layer-predictive-citation-system-54149236c5b6

#AIresearch #CitationTrust #GenAI #SHAP #LLMverification #DataScience
https://medium.com/@rogt.x1997/shap-xgboost-and-the-end-of-fake-references-inside-a-5-layer-predictive-citation-system-54149236c5b6

Объяснимый ИИ в ML и DL

Объяснимый ИИ — очень важный аспект в ML и DL. Он заключается в том, чтобы интерпретировать модель так, чтобы можно было около прозрачно объяснить ее решения. Потому что это довольно частая необходимость как у конечного заказчика, ведь для них это просто «черный ящик», так и у разработчиков непосредственно (например, для отладки модели). На русском языке таких статей не так много (для тех, кто знает английский проблем с этим нет, на нем таких статей много, например, Kaggle), поэтому я решил, что статья покажется актуальной, и сегодня я попробую рассказать про это и показать на конкретном примере, как его можно реализовать.

https://habr.com/ru/articles/913772/

#ML #DL #Python #Explainable_AI #SHAP

Как мы обучили модель прогноза ранней просрочки: логистическая регрессия vs градиентный бустинг

Всем привет! На связи дата-сайентисты стрима разработки моделей для корпоративного сегмента ВТБ — Андрей Бояренков, Иван Кондраков и Денис Дурасов. Как уже писали ранее в другой статье , внедрение процесса AutoML позволило нам во многом автоматизировать рутину и разработки, и применения моделей. Соответственно, у нас появилось больше времени для RnD-задач, которые могли бы быть полезны нашим заказчикам, чтобы охватить моделями новые процессы, а также провести исследования новых алгоритмов. Поэтому мы составили мэппинг возможных моделей на элементы работы Банка с клиентами малого и среднего бизнеса в части предотвращения просрочек по кредитной задолженности, а также по взысканию задолженности. Из данной схемы стало понятно, что есть необходимость разработать модели для процессов по мониторингу заёмщиков Банка — Precollection-модели. Под катом расскажем, как мы их разрабатывали и каких результатов удалось с ними добиться.

https://habr.com/ru/companies/vtb/articles/892056/

#data_science #ds #ml #machine_learning #скоринг #логистическая_регрессия #градиентный_бустинг #алгоритмы #shap #анализ_данных

Как мы обучили модель прогноза ранней просрочки: логистическая регрессия vs градиентный бустинг

Всем привет! На связи дата-сайентисты стрима разработки моделей для корпоративного сегмента ВТБ — Андрей Бояренков, Иван Кондраков и Денис Дурасов. Как уже писали ранее в другой статье , внедрение процесса AutoML позволило нам во многом автоматизировать рутину и разработки, и применения моделей. Соответственно, у нас появилось больше времени для RnD-задач, которые могли бы быть полезны нашим заказчикам, чтобы охватить моделями новые процессы, а также провести исследования новых алгоритмов. Поэтому мы составили мэппинг возможных моделей на элементы работы Банка с клиентами малого и среднего бизнеса в части предотвращения просрочек по кредитной задолженности, а также по взысканию задолженности. Из данной схемы стало понятно, что есть необходимость разработать модели для процессов по мониторингу заёмщиков Банка — Precollection-модели. Под катом расскажем, как мы их разрабатывали и каких результатов удалось с ними добиться.

https://habr.com/ru/companies/vtb/articles/892056/

#data_science #ds #ml #machine_learning #скоринг #логистическая_регрессия #градиентный_бустинг #алгоритмы #shap #анализ_данных

Как мы обучили модель прогноза ранней просрочки: логистическая регрессия vs градиентный бустинг

Всем привет! На связи дата-сайентисты стрима разработки моделей для корпоративного сегмента ВТБ — Андрей Бояренков, Иван Кондраков и Денис Дурасов. Как уже писали ранее в другой статье , внедрение процесса AutoML позволило нам во многом автоматизировать рутину и разработки, и применения моделей. Соответственно, у нас появилось больше времени для RnD-задач, которые могли бы быть полезны нашим заказчикам, чтобы охватить моделями новые процессы, а также провести исследования новых алгоритмов. Поэтому мы составили мэппинг возможных моделей на элементы работы Банка с клиентами малого и среднего бизнеса в части предотвращения просрочек по кредитной задолженности, а также по взысканию задолженности. Из данной схемы стало понятно, что есть необходимость разработать модели для процессов по мониторингу заёмщиков Банка — Precollection-модели. Под катом расскажем, как мы их разрабатывали и каких результатов удалось с ними добиться.

https://habr.com/ru/companies/vtb/articles/892056/

#data_science #ds #ml #machine_learning #скоринг #логистическая_регрессия #градиентный_бустинг #алгоритмы #shap #анализ_данных

Как мы обучили модель прогноза ранней просрочки: логистическая регрессия vs градиентный бустинг

Всем привет! На связи дата-сайентисты стрима разработки моделей для корпоративного сегмента ВТБ — Андрей Бояренков, Иван Кондраков и Денис Дурасов. Как уже писали ранее в другой статье , внедрение процесса AutoML позволило нам во многом автоматизировать рутину и разработки, и применения моделей. Соответственно, у нас появилось больше времени для RnD-задач, которые могли бы быть полезны нашим заказчикам, чтобы охватить моделями новые процессы, а также провести исследования новых алгоритмов. Поэтому мы составили мэппинг возможных моделей на элементы работы Банка с клиентами малого и среднего бизнеса в части предотвращения просрочек по кредитной задолженности, а также по взысканию задолженности. Из данной схемы стало понятно, что есть необходимость разработать модели для процессов по мониторингу заёмщиков Банка — Precollection-модели. Под катом расскажем, как мы их разрабатывали и каких результатов удалось с ними добиться.

https://habr.com/ru/companies/vtb/articles/892056/

#data_science #ds #ml #machine_learning #скоринг #логистическая_регрессия #градиентный_бустинг #алгоритмы #shap #анализ_данных

Фичи в парламент: еще один подход оценить важность признаков в древесных анcамблях

Привет, друзья! Признаки, которыми орудует модель ИИ, в чём-то похожи на группы лиц, соединяющихся, чтобы сыграть в игру и выйграть максимально много. Этой идеей в задаче оценки важности коэффициентов в модели вдохновлен метод SHAP. И теперь не он один! Про метод, основанный на идее выборов в парламент в этой статье.

https://habr.com/ru/articles/860668/

#XAI #SHAP #ML

Практическая устойчивость значений Шепли в интерпретации моделей ИИ

Привет, Хабр! В исследованиях и на практике значения Шепли (Shapley values) — один из наиболее популярных методов интерпретации как на практике, так и в исследованиях. На практике этого не делается — применяется аппроксимация. Отсюда возникают вопросы, ответы на которые мы рассмотрим с вами в этой статье :)

https://habr.com/ru/articles/853794/

#explainable_ai #shap #shapley_values

[Перевод] ML-подход к заблаговременному предотвращению оттока рекламодателей

В этом материале мы опишем систему для заблаговременного предотвращения оттока рекламодателей, основанную на машинном обучении (ML, Machine Learning). Прототип системы создан на основе данных организаций малого и среднего бизнеса (Small & Medium Business, SMB), с которыми работает Pinterest. Результаты изначального эксперимента говорят о том, что мы, с высокой вероятностью, можем обнаруживать возможный уход рекламодателей. Это, в свою очередь, способно помочь нашим торговым партнёрам. Система, подобная нашей, может достичь лучших результатов, чем обычный подход, когда пытаются вернуть уже ушедшего клиента.

https://habr.com/ru/companies/wunderfund/articles/842274/

#Машинное_обучение #разработка #продажи #SHAP #GBDT #SMB #AUCROC

#python #datascience
#artificialintelligence #machinelearning #datavisualization
#automation
In-Depth Data Science Analysis & BI of Booking.com #Job #Listings (Auto)EDA/ #nlp #ML Classifiers, #Clusters & #SHAP LIME #XAI
#exploremore 👇

https://medium.com/@alexzap922/in-depth-data-science-analysis-bi-of-booking-com-e2e88418f264?sk=806a09665dd06db5e367efa29b2c01bc

#python #machinelearning #disasters #recovery #riskmanagement Kaggle #dataset #Titanic #Benchmark #challenges #project #Automated #dataanalytics #SHAP #model #optimization #hypothesistesting scikit-learn #sweetviz #dataprep

http://newdigitals.org/2024/03/29/titanic-benchmark-hypothesis-testing-in-disaster-risk-management-autoeda-ml-hpo-shap/

#python #machinelearning #disasters #recovery #riskmanagement Kaggle #dataset #Titanic #Benchmark #challenges #project #Automated #dataanalytics #SHAP #model #optimization #hypothesistesting scikit-learn #sweetviz #dataprep

http://newdigitals.org/2024/03/29/titanic-benchmark-hypothesis-testing-in-disaster-risk-management-autoeda-ml-hpo-shap/

#python #machinelearning #disasters #recovery #riskmanagement Kaggle #dataset #Titanic #Benchmark #challenges #project #Automated #dataanalytics #SHAP #model #optimization #hypothesistesting scikit-learn #sweetviz #dataprep

http://newdigitals.org/2024/03/29/titanic-benchmark-hypothesis-testing-in-disaster-risk-management-autoeda-ml-hpo-shap/

#python #machinelearning #disasters #recovery #riskmanagement Kaggle #dataset #Titanic #Benchmark #challenges #project #Automated #dataanalytics #SHAP #model #optimization #hypothesistesting scikit-learn #sweetviz #dataprep

http://newdigitals.org/2024/03/29/titanic-benchmark-hypothesis-testing-in-disaster-risk-management-autoeda-ml-hpo-shap/

#AI #Python #MLOps
#MachineLearning #LLM #ML #NLP
MLflow ElasticNet #Model #Optimization
#shap #ML
#interpretation
#breastcancer #diabetes #iris #classification RandomForest Scikit-Learn
Sentence Transformers #chatbot
#translation
Hugging Face

http://newdigitals.org/2024/03/03/mlflow-quick-start-optimized-training-scores-shap-values-and-transformers/

Использование теории игр для повышения прозрачности моделей машинного обучения

Интерпретация современных моделей машинного обучения может быть чрезвычайно сложным делом учитывая, что количество параметров и весовых коэффициентов может идти на тысячи и даже миллионы. Тем не менее это совершенно необходимо, для повышения качества, обеспечения стабильности и предсказуемости работы модели. В этом нам может помочь теория игр, математическая дисциплина позволяющая выделить из сложного взаимодействия факторов модели отдельный вклад каждого в конечное предсказание.

https://habr.com/ru/articles/795957/

#теория_игр #машинное+обучение #интерпретация #чёрный_ящик #математика #shapley_values #shap #feature_importance #data_science

LIME и SHAP

Модели МО часто сравнивают с " черными ящиками " из-за их неспособности ясно объяснить свои решения. Проблема " черного ящика " возникает, когда внутренняя работа модели настолько сложна или неясна, что даже ее создатели не могут точно понять, как был получен тот или иной результат. Это создает серьезные проблемы, особенно в ситуациях, требующих строгой подотчетности и прозрачности. Методы к LIME (Local Interpretable Model-agnostic Explanations) и SHAP (SHapley Additive exPlanations), позволяют получить понимание решений, принятых сложными моделями.

https://habr.com/ru/companies/otus/articles/779430/

#python #lime #shap

How to explain the #output of your #MachineLearning model? 🤔

📊 In this tutorial we'll explore how to use #SHAP values to explain and improve #ML models, delving deeper into specific use cases.

📚 Full tutorial: https://www.giskard.ai/knowledge/opening-the-black-box-using-shap-values-to-explain-and-enhance-machine-learning-models

Machine learning models are powerful but hard to interpret. However, SHAP values can help you understand how model features impact predictions.

https://www.datacamp.com/tutorial/introduction-to-shap-values-machine-learning-interpretability

#shap #machinelearning #XAI

'Faith-Shap: The Faithful Shapley Interaction Index', by Che-Ping Tsai, Chih-Kuan Yeh, Pradeep Ravikumar.

http://jmlr.org/papers/v24/22-0202.html

#shapley #shap #games

'On the Complexity of SHAP-Score-Based Explanations: Tractability via Knowledge Compilation and Non-Approximability Results', by Marcelo Arenas, Pablo Barcelo, Leopoldo Bertossi, Mikael Monet.

http://jmlr.org/papers/v24/21-0389.html

#shap #shapley #boolean

Outrage as hundreds of New Balance trainers found in skip

https://www.bbc.co.uk/news/uk-england-cumbria-64855222

Surely these could have been given to those who can't afford footwear, at the very least.

#Shap #Cumbria #SportsGear #ClosedStore #Waste #Environment #CostOfLivingCrisis

Attention #AI enthusiasts: Don't fall prey to the pitfalls of careless #XAI usage! Beware of unreliable feature importance values when using #SHAP with preprocessed features. Let's avoid wasting our hard work and strive for accurate and meaningful results. #MachineLearning

Read more here: https://blog.esciencecenter.nl/the-hidden-dangers-of-using-xai-carelessly-88f1d5fc3432

Finally made it to the road in the middle of the #M6 near #Shap. I know this shouldn't excite me, but it does 😁

there’s a lot of really cool stuff in #MLEngineering that amounts to “train another model”. like using #SHAP to automate feature selection (first you have to train a model though). or #ConceptSHAP where you train simple linear models on the output of each neural net layer. or anomaly detection, or autoencoders, or...

Ya está abierto el registro para nuestra reunión de enero: "🐝 Drones conectados y cómo interpretar el modelo", este mes en KSchool

https://www.meetup.com/pydata-madrid/events/290889363/

¡Nos vemos el jueves 19 a las 19:00! Y después, networking 🍕

#PyDataMadrid #PyData #drones #connectedtechnology #explainability #shap