Administrativní informace
| Název | Hodnocení modelu |
| Trvání | 60 |
| Modul | A |
| Typ lekce | Přednáška |
| Soustředění | Technické – Základy umělé inteligence |
| Téma | Základy umělé inteligence |
Klíčová slova
podmontování, přelévání, generalizace, rozklad zkreslení, složitost modelu, křivka ROC,
Vzdělávací cíle
- Studenti chápou koncept očekávaného prediktivního výkonu a generalizace
- Studenti chápou koncept složitosti modelu a jeho vztah k generalizační výkonnosti
- Žáci jsou obeznámeni s předpojatostí a rozptylem jejich vztahu s nedokonalostí a převlékáním
- Studenti mají pevné uchopení v hodnocení binárních klasifikačních modelů s nejrozšířenějšími metrikami
Očekávaná příprava
Vzdělávací akce, které mají být dokončeny před
Povinné pro studenty
Žádné.
Volitelné pro studenty
Reference a zázemí pro studenty
Žádné.
Doporučeno pro učitele
- Seznamte se s demonstračními materiály.
Pokyny pro učitele
Pokryjte témata v osnově lekce a demonstrujte koncepty pomocí interaktivních poznámkových bloků (účinek hyperparametrů na podstavce/přetížení a křivky zkreslení/variance; kalkluace křivek ROC/PR).
Osnova/časový rozvrh
| Doba trvání (min) | Popis | Koncepty |
|---|---|---|
| 5 | Nelineární regrese (recap) | základní body, RBF, parametry jádra, střední druhá chyba |
| 10 | Složitost modelu, regulariztaion a počet parametrů | složitost, regularizace |
| 10 | Rozklad bias-variance střední na druhou chybu | chyba zobecnění, předpojatost, rozptyl, pozorovací šum, nedostatečné vybavení, převybavení |
| 10 | Prokázání účinků parametru složitosti, koeficient regularizace a počet bazických bodů na zakřivení a zkreslení/variance |
|
| 15 | Hodnocení klasifikačních modelů | matice záměny, TPR, FPR, přesnost, hranice rozhodnutí, křivka ROC/PR |
| 10 | Demonstrace hranic rozhodování a křivky ROC |
Potvrzení
Program Human-Centered AI Masters byl spolufinancován Nástrojem Evropské unie pro propojení Evropy v rámci grantu CEF-TC-2020–1 Digitální dovednosti 2020-EU-IA-0068.