Resumo: Grande poder computacional aliado a imensas quantidades de dados e técnicas estatísticas e de otimização têm gerado revolucionários avanços em classificação automática de dados estruturados. Porém muitos modelos, como florestas aleatórias ou redes neurais profundas, produzem decisões de difícil interpretação. Em vista disso existe um crescente interesse em técnicas que expliquem classificações automáticas. Nesta palestra serão discutidos métodos de geração de explicações, em particular para classificação de relações em bases de conhecimento.

Bio: Professor Titular da Universidade de São Paulo, PhD pela Carnegie Mellon University e Engenheiro Eletrônico pela Universidade de São Paulo com interesse na intersecção entre representação de conhecimento e aprendizado de máquina; é Associate Editor do Artificial Intelligence Journal e do International Journal of Approximate Reasoning; foi Associate Editor do Journal of Artificial Intelligence Research, Area Chair da International Joint Conference on Artificial Intelligence, e General Chair da Conference on Uncertainty in Artificial Intelligence; foi também coordenador do Comitê Especial em Inteligência Artificial da Sociedade Brasileira de Computação.