Podcast

V nové epizodě Data Talk jsme si s Anetou Furmanovou povídali o tom, jak smysluplně využívat strojové učení ve vědě – a kde naráží limity black-box modelů. Aneta přiblížila svět akustiky od sonických krystalů až po reálné problémy s hlukem a vibracemi a ukázala, proč je důležité rozumět fyzikálním principům za daty. Velkou část jsme věnovali interpretovatelnému ML a symbolické regresi jako cestě k objevování rovnic místo pouhých predikcí. Došlo i na praktické zkušenosti s PySR a práci s omezeným množstvím dat. Pokud řešíte, kdy (ne)použít neuronky a jak dostat z dat víc než jen číslo, tahle epizoda stojí za poslech.