Административна информация
| Дял | Линейна регресия |
| Продължителност | 60 |
| Модул | А |
| Вид на урока | Лекция |
| Фокус | Практическо — моделиране на ИИ |
| Тема | Линейна регресия |
Ключови думи
линейна регресия, максимална вероятност, максимална a posteriori, основни функции,
Учебни цели
- Придобиване на доказуеми познания за това какво е линейна регресия
- Придобиване на доказуеми познания за различните подходи към линейната регресия: оценка на максималната вероятност (MLE), максимална a-posteriori оценка (MAP), Bayesian
- Придобиване на доказуеми познания за аналитична затворена форма за монтиране на линеен регресионен модел
- Придобиване на доказуеми познания за нелинеаризиращи линейни модели
Очаквана подготовка
Обучение на събития, които трябва да бъдат завършени преди
Задължително за студентите
- Преглед на основната линейна алгебра и решаване на линейни системи числено.
Незадължително за студенти
Няма.
Референции и фон за студенти
- Бишъп, Кристофър М. (2006). Разпознаване на модели и машинно самообучение, глава 3.
Препоръчва се за учители
- Запознайте се с демонстрационния материал.
Материали за уроци
Инструкции за учители
Покрийте темите в очертанията на урока и демонстрирайте концепциите с помощта на интерактивните преносими компютри (приспособяване на модел „ръчно“, демонстриращ ефектите на хиперпараметрите). Направете кратък преглед на кода.
Описание/времеви график
| Продължителност (мин) | Описание | Концепции |
|---|---|---|
| 5 | Въведение в линейната регресия | хиперплан, нормална, пристрастност |
| 5 | Определяне на модел на линейна регресия | адитивен шум, Гаусово разпространение |
| 15 | Оценка на максималната вероятност | квадратна грешка, линейни решаващи устройства |
| 10 | Нелинейна (полиномна) регресия | полиномна регресия, преобразуване на проби |
| 10 | Максимална последваща оценка | хиперпараметър, преди, узаконяване, цифрова стабилност |
| 5 | Бейзийска линейна регресия | задна част, неопределеност, средна прогнозна стойност и дисперсия |
| 10 | Демонстрация |
Потвърждения
Магистърската програма по ИИ, насочена към човека, беше съфинансирана от Механизма за свързване на Европа на Европейския съюз под формата на безвъзмездни средства № CEF-TC-2020—1 Digital Skills 2020-EU-IA-0068.