Informazioni amministrative
| Titolo | Elaborazione dei lotti |
| Durata | 60 minuti |
| Modulo | B |
| Tipo di lezione | Lezione |
| Focus | Tecnico — Apprendimento profondo |
| Argomento | Lavorazione in lotto |
Parole chiave
Lotto, minibatch, Epoch,
Obiettivi di apprendimento
- Comprendere i meccanismi dietro l'elaborazione in batch e la propagazione posteriore
- Gradiente Descent, Batch vs minibatch vs Epoch
Preparazione prevista
Eventi di apprendimento da completare prima
Obbligatorio per gli studenti
Nessuno.
Facoltativo per gli studenti
Nessuno.
Referenze e background per gli studenti
Consigliato per gli insegnanti
Nessuno.
Materiale didattico
Istruzioni per gli insegnanti
Consulta il materiale didattico per informazioni ed esempi di domande di classe.
Contorno
| Durata (min) | Descrizione |
|---|---|
| 10 | Illustrazione di Gradient Descent |
| 10 | Riepilogo della perdita-funzione |
| 10 | L'idea e le ragioni di Batching |
| 5 | Batch Gradient Descent |
| 5 | Stocastico Gradiente Discesa |
| 5 | Mini-Batch Gradient Descent |
| 10 | Algoritmo per un'epoca |
| 5 | Wrap-up e domande |
Riconoscimenti
Monica Zuccarini, Maddalena Molaro e Carlo Sansone
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.