In this thesis, we look at uncertainty estimation for independent data (e.g. tabular, images), and non-independent data (e.g. graph, sequences). To this end, we develop desiderata describing the desired behavior for uncertainty estimates, efficient Bayesian models for uncertainty estimation, and uncertainty metrics related to trust, safety, fairness, or ease of maintenance in real-world applications.
Übersetzte Kurzfassung:
In dieser Doktorarbeit betrachten wir die Unsicherheitsschätzung für unabhängige Daten (z. B. Tabellen,Bilder) und nicht unabhängige Daten (z. B. Graphen, Sequenzen). Zu diesem Zweck entwickeln wir Desiderate, die das gewünschte Verhalten für Unsicherheitsschätzungen beschreiben, effiziente Bayes'sche Modelle zur Unsicherheitsschätzung und Unsicherheitsmetriken in Bezug auf Vertrauen, Sicherheit, Fairnessoder Wartungsfreundlichkeit in realen Anwendungen.