Verwaltungsinformationen
| Titel | Modellbewertung |
| Dauer | 60 |
| Modulen | A |
| Unterrichtstyp | Vortrag |
| Fokussierung | Technische – Grundlagen der KI |
| Themenbereich | Grundlagen der KI |
Suchbegriffe
Unterfitting, Überfitting, Verallgemeinerung, Bias-Varianz-Dekomposition, Modellkomplexität, ROC-Kurve,
Lernziele
- Die Lernenden verstehen das Konzept der erwarteten Vorhersageleistung und Verallgemeinerung
- Die Lernenden verstehen das Konzept der Modellkomplexität und ihre Beziehung zur Verallgemeinerungsleistung
- Die Lernenden sind mit Voreingenommenheit und Varianz ihrer Beziehung mit Underfitting und Overfitting vertraut
- Die Lernenden haben ein festes Verständnis bei der Bewertung von binären Klassifikationsmodellen mit den am weitesten verbreiteten Metriken
Erwartete Vorbereitung
Lernveranstaltungen, die vorab abgeschlossen werden müssen
Obligatorisch für Studenten
Keine.
Optional für Studenten
Referenzen und Hintergründe für Studierende
Keine.
Empfohlen für Lehrer
- Machen Sie sich mit den Demonstrationsmaterialien vertraut.
Unterrichtsmaterialien
Anleitung für Lehrer
Decken Sie die Themen in der Unterrichtsskizze ab und demonstrieren Sie die Konzepte anhand der interaktiven Notizbücher (Effekt der Hyperparameter auf Unter-/Überfitting und Bias/Varianzkurven; Verkalkung der ROC/PR-Kurven).
Gliederung/Zeitplan
| Dauer (min) | Beschreibung | Konzepte |
|---|---|---|
| 5 | Nichtlineare Regression (Recap) | Basispunkte, RBF, Kernelparameter, mittlerer quadratischer Fehler |
| 10 | Modellkomplexität, Regulariztaion und die Anzahl der Parameter | Komplexität, Regularisierung |
| 10 | Bias-Varianz Zerlegung des mittleren quadratischen Fehlers | Verallgemeinerungsfehler, Bias, Varianz, Beobachtungsgeräusche, Unterpassung, Überfitting |
| 10 | Demonstration der Auswirkungen des Komplexitätsparameters, Regularisierungskoeffizient und Anzahl der Basispunkte auf Kurvenanpassung und Bias/Varianz |
|
| 15 | Bewertung von Klassifikationsmodellen | Verwirrungsmatrix, TPR, FPR, Präzision, Entscheidungsgrenze, ROC/PR-Kurve |
| 10 | Demonstration von Entscheidungsgrenzen und ROC-Kurve |
Danksagung
Das Human-Centered AI Masters-Programm wurde von der Fazilität „Connecting Europe“ der Europäischen Union im Rahmen des Zuschusses „CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068“ kofinanziert.