Salut à tous, je suis un peu perdu sur un truc. Je travaille sur un projet de recherche en écologie où on doit classifier des milliers d’images de pièges photographiques. J’ai commencé à utiliser un modèle d’apprentissage profond que j’ai trouvé en ligne et que j’ai un peu adapté, et les premiers résultats sont pas mal. Mais voilà, mon superviseur me demande maintenant d’expliquer comment le modèle prend ses décisions, surtout pour les cas ambigus, et je sèche un peu. Je me demande si je dois vraiment plonger dans l’interprétabilité des modèles de boîte noire ou si je peux justifier mes choix autrement. J’ai l’impression de devoir arbitrer entre la performance pratique et la rigueur méthodologique, et c’est moins évident que prévu. Des gens ont-ils déjà été dans cette situation ?
|
Comment justifier les choix d'un modèle de boîte noire en écologie ?
|
|
« Sujet précédent | Sujet suivant »
|
