Haldusteave
| Ametinimetus | Lineaarne regressioon |
| Kestus | 60 |
| Moodul | A |
| Õppetunni liik | Loeng |
| Keskendumine | Praktiline – tehisintellekti modelleerimine |
| Teema | Lineaarne regressioon |
Võtmesõnad
lineaarne regressioon, maksimaalne tõenäosus, maksimaalne a posteriori, baasfunktsioonid,
Õpieesmärgid
- Omandada tõestatavaid teadmisi selle kohta, mis on lineaarne regressioon
- Omandada tõendatavad teadmised lineaarse regressiooni erinevate lähenemisviiside kohta: maksimaalse tõenäosuse hindamine (MLE), maksimaalne a-posteriori hinnang (MAP), Bayesian
- Omandada tõendatavad teadmised suletud analüütilistest vormidest lineaarse regressioonimudeli paigaldamiseks
- Omandada tõestatavaid teadmisi mittelineaarsetest lineaarsetest mudelitest
Eeldatav ettevalmistamine
Õppeüritused, mis tuleb lõpetada enne
Kohustuslik õpilastele
- Põhiliste lineaarsete algebrade ülevaade ja lineaarsete süsteemide lahendamine numbriliselt.
Valikuline õpilastele
Puudub.
Viited ja taust õpilastele
- Piiskop Christopher M. (2006). Mustrite äratundmine ja masinõpe, 3. peatükk.
Soovitatav õpetajatele
- Tutvuge näidismaterjaliga.
Õppematerjalid
Juhised õpetajatele
Kirjeldage õppetunni teemasid ja tutvustage kontseptsioone interaktiivsete märkmike abil (näitades mudelit „manually“, mis näitab hüperparameetrite mõju). Andke lühiülevaade koodist.
Ülevaade/ajakava
| Kestus (min) | Kirjeldus | Mõisted |
|---|---|---|
| 5 | Sissejuhatus lineaarsesse regressiooni | hüperplane, normaalne, kallutatus |
| 5 | Lineaarse regressioonimudeli määratlemine | lisamüra, Gaussian jaotus |
| 15 | Maksimaalse tõenäosuse hindamine | ruutviga, lineaarsed lahendajad |
| 10 | Mittelineaarne (polünoomiline) regressioon | polünoomiline regressioon, proovide muundamine |
| 10 | Maksimaalne a posteriori hinnang | hüperparameeter, eelnev, seadustamine, numbriline stabiilsus |
| 5 | Bayesi lineaarne regressioon | tagapool, määramatus, ennustav keskmine ja dispersioon |
| 10 | Demonstratsioonid |
Tunnustused
Inimkeskse tehisintellekti magistriprogrammi kaasfinantseeris Euroopa Liidu Ühendamise Rahastu toetusega CEF-TC-2020–1 „Digioskused 2020“-EU-IA-0068.