Informazzjoni Amministrattiva
| Titlu | Irfinar tal-iperparametru |
| Tul ta’ żmien | 60 |
| Modulu | B |
| Tip ta’ lezzjoni | Lekċer |
| Fokus | Tekniku — Tagħlim Profond |
| Suġġett | Irfinar tal-iperparametru |
Kliem prinċipali
Irfinar tal-iperparametru, funzjonijiet ta’ attivazzjoni, telf, epoki, daqs tal-lott,
Għanijiet ta’ Tagħlim
- Investigazzjoni tal-effetti fuq il-kapaċità u l-fond
- Esperjenza b’epochs u daqsijiet tal-lott li jvarjaw
- Prova ta ‘funzjonijiet ta’ attivazzjoni differenti u r-rati ta ‘tagħlim
Preparazzjoni mistennija
Avvenimenti ta’ Tagħlim li għandhom jiġu Mlestija Qabel
Obbligatorju għall-Istudenti
Xejn.
Fakultattiv għall-Istudenti
Xejn.
Referenzi u sfond għall-istudenti
- John D Kelleher u Brain McNamee. (2018), Fundamentals of Machine Learning for Predictive Data Analytics, MIT Press.
- Michael Nielsen. (2015), Netwerks Neurali u Tagħlim Deep, 1. Stampa ta’ determinazzjoni, San Francisco CA USA.
- Charu C. Aggarwal. (2018), Networks Neural u Tagħlim Profond, 1. Springer
- Antonio Gulli, Sujit Pal. Tagħlim fil-fond ma’ Keras, Packt, [ISBN: 9781787128422].
Rakkomandat għall-Għalliema
Xejn.
Materjali tal-lezzjoni
Struzzjonijiet għall-Għalliema
Din il-lezzjoni se tintroduċi lill-istudenti fl-elementi fundamentali tal-irfinar tal-iperparametru. Aħna se nużaw il-Dataset Ċensiment bħala l-eżempji ta ‘l-użu u r-riżultati mill-irfinar hypermeters varji. Is-sett tad-data taċ-Ċensiment għall-Adulti huwa problema ta’ klassifikazzjoni binarja. Aktar dwar dan is-sett ta’ data fit-tutorja korrispondenti. l-għan ta’ din il-lekċer huwa li tintroduċi diversi iperparametri b’eżempji ta’ kif il-modifika ta’ dawn l-iperparametri tista’ tgħin jew tfixkel it-tagħlim. Barra minn hekk nipprovdu eżempji ta ‘taħt u overfitting, imnieħer u qligħ ta’ prestazzjoni (ħin ta ‘taħriġ u f’xi każijiet preċiżjoni/telf) meta kull wieħed mill-iperparametri huma tunned. Se nużaw plottijiet dijanjostiċi biex nevalwaw l-effett tal-irfinar tal-iperparametru u b’mod partikolari enfasi fuq it-telf, fejn għandu jiġi nnutat li l-modulu li nużaw biex nipplottjaw it-telf huwa matplotlib.pyplot, u b’hekk l-assi huma skalati. Dan jista’ jfisser li differenzi sinifikanti jistgħu jidhru mhux sinifikanti jew viċi versa meta jitqabbel it-telf tat-taħriġ jew tad-data tat-test. Barra minn hekk, qed jiġu ppreżentati xi libertajiet għall-iscaffolding, bħall-użu ta’ Epochs l-ewwel (kważi bħala teknika ta’ regolarizzazzjoni) filwaqt li d-daqs tal-lott jinżamm kostanti. Idealment dawn ikunu tunned flimkien, iżda għal dan lecture huma separati.
Deskrizzjoni fil-qosor
| Tul ta’ żmien (Min) | Deskrizzjoni |
|---|---|
| 5 | Ħarsa ġenerali lejn id-data |
| 10 | Irfinar tal-kapaċità u l-fond (twaħħil taħt u żejjed) |
| 10 | Epochs (taħt jew aktar mit-taħriġ) |
| 10 | Daqsijiet tal-lott (għat-trażżin tal-istorbju) |
| 10 | Funzjonijiet ta’ attivazzjoni (u l-effetti tagħhom fuq il-prestazzjoni — ħin u preċiżjoni) |
| 10 | Rati ta’ tagħlim (vanilla, LR Decay, Momentum, Adaptive) |
| 5 | Erġa’ agħmel kappa fuq il-proċess tal-pass’il quddiem |
Rikonoxximenti
Il-programm Masters tal-IA Ċentrata mill-Bniedem ġie kofinanzjat mill-Faċilità Nikkollegaw l-Ewropa tal-Unjoni Ewropea Taħt l-Għotja CEF-TC-2020–1 Ħiliet Diġitali 2020-EU-IA-0068.