help研究问题机器学习模型可视化、调试与可解释性支持通过对神经网络隐藏层进行聚类和标注,是否能超越传统输入-输出分析的方法?UbiComp '21Towards Explainability of non-Convolutional Neural Networks
lightbulb现实痛点机器学习模型可视化、调试与可解释性支持用户难以理解非卷积神经网络在复杂任务中的决策逻辑。UbiComp '21Towards Explainability of non-Convolutional Neural Networks
help研究问题机器学习模型可视化、调试与可解释性支持企业在使用自动化机器学习(AutoML)技术时面临哪些主要挑战?CHI '21Fits and Starts: Enterprise Use of AutoML and the Role of Humans in the Loop
help研究问题机器学习模型可视化、调试与可解释性支持不同技术背景的人员在企业环境中如何有效使用AutoML工具?CHI '21Fits and Starts: Enterprise Use of AutoML and the Role of Humans in the Loop
help研究问题机器学习模型可视化、调试与可解释性支持数据可视化如何支持AutoML系统中的人机协作?CHI '21Fits and Starts: Enterprise Use of AutoML and the Role of Humans in the Loop
lightbulb现实痛点机器学习模型可视化、调试与可解释性支持企业在数据准备、模型监控等环节很难高效使用AutoML工具。CHI '21Fits and Starts: Enterprise Use of AutoML and the Role of Humans in the Loop
help研究问题机器学习模型可视化、调试与可解释性支持深度学习中的“无声错误”如何通过程序结构和模型行为来定位和解决?CHI '21UMLAUT: Debugging Deep Learning Programs using Program Structure and Model Behavior
help研究问题机器学习模型可视化、调试与可解释性支持针对非专家用户,哪些工具和方法能有效增强深度学习调试效率?CHI '21UMLAUT: Debugging Deep Learning Programs using Program Structure and Model Behavior
help研究问题机器学习模型可视化、调试与可解释性支持可视化接口在深度学习调试中如何帮助用户更直观地理解错误和性能?CHI '21UMLAUT: Debugging Deep Learning Programs using Program Structure and Model Behavior
lightbulb现实痛点机器学习模型可视化、调试与可解释性支持非专家用户难以Debug深度学习程序中的“无声错误”。CHI '21UMLAUT: Debugging Deep Learning Programs using Program Structure and Model Behavior
help研究问题机器学习模型可视化、调试与可解释性支持如何通过交互可视化工具帮助程序员高效地探索和比较深度学习模型架构和超参数选择?CHI '21Visualizing Examples of Deep Neural Networks at Scale
help研究问题机器学习模型可视化、调试与可解释性支持哪些可视化技术最适合展示大规模深度学习项目中的模型结构和设计选择?CHI '21Visualizing Examples of Deep Neural Networks at Scale
help研究问题机器学习模型可视化、调试与可解释性支持使用示例可视化工具对比在线搜索方式,在哪些方面能提升模型设计的效率和质量?CHI '21Visualizing Examples of Deep Neural Networks at Scale
lightbulb现实痛点机器学习模型可视化、调试与可解释性支持程序员难以从零散的资源中快速找到相关的深度学习模型设计信息。CHI '21Visualizing Examples of Deep Neural Networks at Scale