Administratieve informatie
| Titel | Beslisbomen |
| Looptijd | 2 x 45 minuten |
| Module | A |
| Type les | Lezing |
| Focus | Praktisch — AI-modellering |
| Onderwerp | Gegevensanalyse |
Sleutelwoorden
Data Set illustratie en voorbewerking, Decision Tree,Model Building,Fitting en evaluatie van een Beslissingsboom,Cross Validation,
Leerdoelen
- leer de basisprincipes van beslissingsbomen
Verwachte voorbereiding
Leren van gebeurtenissen die moeten worden voltooid voordat
Verplicht voor studenten
- N.V.T.
Optioneel voor studenten
- N.V.T.
Referenties en achtergronden voor studenten
Aanbevolen voor docenten
- N.V.T.
Lesmateriaal
Instructies voor docenten
U kunt deze klasse rond de notitieblokken van BME baseren op Data Analysis Platforms (HU)
Overzicht/tijdschema
| Duur (min) | Omschrijving | Concepten | Activiteit | Materiaal |
|---|---|---|---|---|
| 5 | Beschrijving van de uit te voeren taken | Lezing | ||
| 10 | Gegevensset illustratie en voorbewerking | Voorbewerking van gegevens | Codering | Jupyter notitieboek |
| 10 | Definitie van een beslissingsboom | scikit-leren: Beslisboom | Codering | |
| 20 | Modelbouw | modelcomplexiteit, plotting | Documentatie | |
| 15 | Het monteren en evalueren van een beslisboom | Fit | Codering | |
| 10 | Kruisvalidatie | Kruisvalidatie | Documentatie | |
| 15 | Modelevaluatie | bewerkingen in numpy, gegevensverwerking (scaling), Nauwkeurigheid | Codering | |
| 5 | Afsluitende opmerkingen | Documentatie |
Erkenningen
Het Human-Centered AI Masters-programma werd mede gefinancierd door de Connecting Europe Facility van de Europese Unie in het kader van de subsidie CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.