Informacje administracyjne
| Tytuł | Regresja liniowa |
| Czas trwania | 60 |
| Moduł | A |
| Rodzaj lekcji | Wykład |
| Skupienie | Praktyczne – modelowanie AI |
| Temat | Regresja liniowa |
Słowa kluczowe
regresja liniowa, maksymalne prawdopodobieństwo, maksymalne a posteriori, funkcje podstawowe,
Cele w zakresie uczenia się
- Zdobycie wyraźnej wiedzy o tym, czym jest regresja liniowa
- Aby uzyskać wyraźną wiedzę na temat różnych podejść do regresji liniowej: maksymalne oszacowanie prawdopodobieństwa (MLE), maksymalne oszacowanie a-posteriori (MAP), Bayesian
- Zdobycie możliwej do wykazania wiedzy na temat analitycznej formy zamkniętej w celu dopasowania modelu regresji liniowej
- Zdobycie możliwej do wykazania wiedzy na temat nieliniowych modeli liniowych
Oczekiwane przygotowanie
Wydarzenia edukacyjne, które należy ukończyć przed
Obowiązkowe dla studentów
- Przegląd podstawowej algebry liniowej i rozwiązywanie systemów liniowych numerycznie.
Opcjonalne dla studentów
Brak.
Referencje i tło dla studentów
- Bishop, Christopher M. (2006). Rozpoznawanie wzorców i uczenie maszynowe, rozdział 3.
Zalecane dla nauczycieli
- Zapoznaj się z materiałem demonstracyjnym.
Materiały do lekcji
Instrukcje dla nauczycieli
Omówienie tematów w zarysu lekcji i zaprezentowanie koncepcji za pomocą interaktywnych notebooków (dopasowanie modelu „ręcznie”, pokazujące efekty hiperparametrów). Podaj krótki przegląd kodu.
Zarys/harmonogram czasu
| Czas trwania (min) | Opis | Koncepcje |
|---|---|---|
| 5 | Wprowadzenie do regresji liniowej | hiperplan, normalny, stronniczy |
| 5 | Definiowanie modelu regresji liniowej | hałas addytywny, rozkład Gaussa |
| 15 | Oszacowanie maksymalnego prawdopodobieństwa | błąd kwadratowy, rozwiązywacze liniowe |
| 10 | Regresja nieliniowa (polimialna) | regresja wielomianowa, transformacja próbek |
| 10 | Maksymalne oszacowanie a posteriori | hiperparametr, uprzednie, regularyzacja, stabilność numeryczna |
| 5 | Regresja liniowa Bayesa | tylna, niepewność, średnia predykcyjna i wariancja |
| 10 | Demonstracja |
Potwierdzenia
Program Masters zorientowany na człowieka został współfinansowany przez instrument „Łącząc Europę” Unii Europejskiej w ramach grantu CEF-TC-2020-1 Umiejętności cyfrowe 2020-EU-IA-0068.