Avaliação da utilidade das explicações dos modelos de interpretabilidade pós-hoc para a detecção de malária.

Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20636

Title:	Avaliação da utilidade das explicações dos modelos de interpretabilidade pós-hoc para a detecção de malária.
Other Titles:	Evaluating the usefulness of model explanations of post-hoc interpretability for the detection of malaria.
???metadata.dc.creator???:	ARAÚJO, Vinícius Brandão.
???metadata.dc.contributor.advisor1???:	MARINHO, Leandro Balby.
???metadata.dc.contributor.referee1???:	SABINO, Melina Mongiovi Cunha Lima.
Keywords:	Método de interpretação pós-hoc;Deep learning;Classificação de malária;Modelos de interpretabilidade pós-hoc;Tecnologia aplicada à saúde;Malária;Post hoc interpretation method;Deep learning;Malaria classification;Post-hoc interpretability models;Technology applied to health;Malaria
Issue Date:	25-Nov-2019
Publisher:	Universidade Federal de Campina Grande
Citation:	ARAÚJO, Vinícius Brandão. Avaliação da utilidade das explicações dos modelos de interpretabilidade pós-hoc para a detecção de malária. 2019. 10f. (Trabalho de Conclusão de Curso - Artigo) – Curso de Bacharelado em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2019. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20636
???metadata.dc.description.resumo???:	Explicações têm sido usadas como um meio de interpretar o raciocínio por trás das decisões de um modelo complexo (caixa preta) de Machine Learning. No entanto, uma crítica bem conhecida é que não há garantia de que as explicações produzidas sejam úteis ou fáceis de entender pelos usuários. Neste trabalho, exploramos a extensão da utilidade das explicações geradas por um método de interpretação pós-hoc estado-da-arte. Apresentamos um experimento com 120 usuários com o objetivo de avaliar explicações, baseado na simulação correta da saída do modelo de Deep Learning utilizado para a classificação de Malária. Utilizamos o método de explicação pós-hoc SHAP para gerar as explicações. Finalmente, mostramos que as explicações podem aumentar a compreensão de um modelo complexo pelos utilizadores.
Keywords:	Método de interpretação pós-hoc Deep learning Classificação de malária Modelos de interpretabilidade pós-hoc Tecnologia aplicada à saúde Malária Post hoc interpretation method Deep learning Malaria classification Post-hoc interpretability models Technology applied to health Malaria
???metadata.dc.subject.cnpq???:	Ciência da Computação.
URI:	http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20636
Appears in Collections:	Trabalho de Conclusão de Curso - Artigo - Ciência da Computação

Files in This Item:

File	Description	Size	Format
VINÍCIUS BRANDÃO ARAÚJO - TCC CIÊNCIA DA COMPUTAÇÃO 2019.pdf	Vinícius Brandão Araújo - TCC Ciência da Computação 2019.	2.91 MB	Adobe PDF	View/Open

Show full item record