Profesor Pedrycz wygłosił referat pt. „Bringing Knowledge to Design and Analysis in Machine Learning’’, poświęcony roli wiedzy w projektowaniu i analizie metod uczenia maszynowego (ML). W swoim wystąpieniu omówił najnowsze osiągnięcia w tej dziedzinie, podkreślając znaczenie łączenia danych z wiedzą ekspercką w celu poprawy interpretowalności, transparentności i stabilności modeli ML.
Prelegent przedstawił także koncepcję „knowledge-data ML’’, czyli nowego podejścia do uczenia maszynowego, które integruje dane i wiedzę na różnych poziomach abstrakcji. Omówił główne kategorie metod wykorzystujących wiedzę, w tym ML uwzględniające prawa fizyki, modele wzbogacone o ograniczenia wiedzy eksperckiej oraz podejścia bazujące na regułach.
Seminarium spotkało się z dużym zainteresowaniem uczestników, a po wykładzie odbyła się ożywiona dyskusja dotycząca praktycznych zastosowań omawianych koncepcji.
Dziękujemy Profesorowi Pedryczowi za inspirujące wystąpienie oraz wszystkim obecnym za udział!