W ostatnim czasie, dzięki wykorzystaniu wielkoskalowych danych z czujników oraz zaawansowanych metod analitycznych, pojawiły się nowe kierunki badań i zastosowania w obszarze sztucznej inteligencji. Pomimo istnienia zaawasnowanych metod przetwarzania i analizy w eksploracji danych, oraz uczenia maszynowego identyfikuje się również specyficzne wyzwania związane z charakterystyką danych. 

Co najważniejsze, aspekty takie jak interpretowalność i wyjaśnialność zastosowanych modeli i ich wyników motywują do stosowania wiedzy dziedzinowej/podstawowej w podejściach do eksploracji danych i uczenia maszynowego. W specyficznym kontekście danych z czujników proces przetwarzania wymaga nie tylko właściwej selekcji i obróbki potencjalnie istotnych danych, ale także redukcji wymiarów i inżynierii cech. Ponadto, przy stosowaniu modeli do odkrywania wiedzy i/lub wspomagania decyzji, ich przejrzystość i wytłumaczalność są często kluczowe, w przeciwnym razie ograniczają akceptację i zaufanie do ich przyjęcia we wrażliwych zastosowaniach sztucznej inteligencji.

Wykorzystanie wiedzy tła/dziedziny umożliwia wzbogacenie semantyczne i ostatecznie interpretację semantyczną, którą nazywamy eksploracją danych semantycznych (SDM). W tej prelekcji pokrótce przedstawione zostaną główne intuicje stojące za SDM, oraz wyniki naszych ostatnich projektów w obszarze Przemysłu 4.0.

Na spotkanie należy się zarejestrować w tym miejscu.