Daniel Wlazło¶
Manažer datové vědy v Allegro Pay — důvěryhodné strojové učení v úvěrovém riziku. Varšava.
O mně¶
V Allegro Pay vedu modelovací práce pro jednu z největších spotřebitelských finančních platforem ve střední Evropě. Soustředím se hlavně na aplikační skóring — modely PD pro individuální klienty — a čím dál častěji na to, jak vypadá důvěryhodné strojové učení v regulovaném prostředí: férovost, kalibrace, vysvětlitelnost.
V úvěrovém riziku a datové vědě pracuji téměř deset let, mimo jiné v Allegro Pay, Hexaware (pro AXA), PKO Bank Polski a ING Bank Śląski. Předtím jsem byl inženýrem robotiky v Samsungu a konstruktérem bezpilotních letounů v Aviation Technik. Robotika byla mým výchozím bodem — dodnes určuje, jak přemýšlím o strojovém učení: jako o systému, který lze popsat, ladit a zatížit. Mimo práci se učím česky, sleduji Formuli 1 a věnuji se robotice.
Poznámky¶
srpen 2026treecf: kontrafakty, podle kterých lze jednat (EN)
Jedinou poctivou odpovědí na otázku „co by se muselo změnit, aby žádost prošla?“ je kontrafakt — s omezeními, ověřený, rychlý.červenec 2026Proč hodnoty SHAP nejsou body (EN)
Vodopádový graf SHAP vypadá jako skórovací karta. Čtený tímto způsobem dává sebejisté, ale chybné rady.květen 2026Diskriminační nejistota (EN)
Model může diskriminovat nejen svým rozhodnutím, ale i tím, jak je si v něm jistý.
Open source¶
probcal¶
Post‑hoc kalibrace pravděpodobností pro binární klasifikátory, postavená pro regulované PD modely. Tři věci, které scikit‑learn nenabídne: diagnostika na logitové škále, ve které zůstává 1 % default rate čitelné, korekce centrální tendence jako auditovatelný krok offsetu místo tichého refitu a regulatorní backtesty po ratingových stupních (binomický, Jeffreysův). Kolem nich: kalibrační literatura za jedním API, přesné inverzní mapy z cutoffů politiky na surová skóre, anytime‑valid monitoring a serializace do JSON. Jedinou runtime závislostí je numpy.
Dokumentace · PyPI · GitHub
treecf¶
Kontrfaktická vysvětlení pro stromové ansámbly (XGBoost, LightGBM, CatBoost, sklearn): nejmenší proveditelná změna, která přesune zamítnutou žádost pod práh, při dodržení deklarovaných omezení. Na rozdíl od nástrojů založených na vzorkování umí dokázat, že plán je nejlevnější možný — nebo že žádný neexistuje — a každá odpověď je ověřena proti naparsovanému modelu.
Dokumentace · PyPI · GitHub
Starší a experimentální: concept-graph-xai (využití rysů na úrovni konceptů a ablace), triadxai (tříkanálová dekompozice úvěrového skóre), flaggam (interpretovatelné GAM z jednorozměrných příznaků), swift (monitoring driftu vážený SHAP).
Akademická práce¶
Disertační práce — Důvěryhodné úvěrové riziko v rámci AI Act¶
Práce pod vedením prof. Anety Ptak‑Chmielewské. Disertace rozvíjí integrovanou metodiku spojující algoritmickou férovost, kvantifikaci nejistoty a interpretovatelnost a je vystavěna kolem konceptu, který nazývám diskriminační nejistota: otázky, zda se mezi skupinami spravedlivě rozkládají nejen rozhodnutí modelu, ale i jeho jistota. Hlavní myšlenku popisuji v poznámce Discriminatory uncertainty (EN).
Konferenční přednášky¶
Slidy a materiály: github.com/wlazlod/conference-talks
- The Scorecard Illusion: Why SHAP values are not points (and how they can fool you) — Data Science Summit, AI Edition 2026, Varšava.
Proč se hodnota SHAP chová jako příspěvek, nikoli souřadnice — a jak její čtení jako bodu klame při interpretaci skóringu. Poznámka. - Curing Semantic Debt: Practical Applications of Knowledge Graphs in ML — GHOST Day 2026, Poznaň, s Kamilem Golisem.
Jak znalostní grafy splácejí sémantický dluh, který se hromadí v ML pipelinách — praktický, aplikační průřez. - Poza Feature Store: jak Ontologie Semantyczne mogą przyspieszyć rozwój modeli ML — Data Science Summit 2025, Varšava.
Jak sémantické ontologie mohou posunout vývoj ML modelů za feature store a dát modelům sdílený, znovupoužitelný slovník pojmů.
Záznamy BibTeX ke všem přednáškám: README repozitáře conference-talks.
Výuka¶
Výukové materiály: github.com/wlazlod/didactics
Data Mining — přednáškový kurz¶
Kurz Data Mining zakotvený ve financích a vedený od problému, pro magisterské programy SMMD‑ADA a SMMD‑AAB (volitelný pro tři další). Vede přes CRISP‑DM na jednom problému retailového úvěru: explorační analýza a chybějící data; regrese nově pojatá — od inference k predikci, s logistickou regresí jako tažným koněm skóringu; stromy, ensembly a poctivé vyhodnocení včetně toho, jak vybuchne únik dat; shlukování a PCA pro segmentaci; asociační pravidla a text mining nad stížnostmi; neuronové sítě a odpovědné ML.
Skripta kurzu (HTML) (EN) · Repozitář
Výzkumný workshop — průmyslový projekt s Allegro Pay¶
Firemně vedený projekt v rámci kurzu Výzkumný workshop na Fakultě matematiky a informačních věd VTU. Každý rok přispívají tři firmy jedním projektem a vedou studentský tým jeho realizací; zadání spolupřipravuji a vedu tým. 2025: konformní predikce ve spotřebitelském úvěrovém skóringu. 2026: kontrfaktická vysvětlení v modelování úvěrového rizika.