Hallinnolliset tiedot
Otsikko | Mallin arviointi |
Kesto | 60 |
Moduuli | A |
Oppitunnin tyyppi | Luento |
Keskittyminen | Tekninen – tekoälyn perusteet |
Aihe | Tekoälyn perusteet |
Avainsanoja
aliasennus, ylisovitus, yleistyminen, puolueellisuus-varianssin hajoaminen, mallin monimutkaisuus, ROC-käyrä,
Oppimistavoitteet
- Oppijat ymmärtävät odotetun ennakoivan suorituskyvyn ja yleistymisen käsitteen
- Oppijat ymmärtävät mallin monimutkaisuuden käsitteen ja sen suhteen yleistymiseen
- Oppijat tuntevat puolueellisuuden ja varianssin suhteessaan alistumiseen ja ylisovitukseen
- Oppijoilla on vankka käsitys binääriluokitusmallien arvioinnista laajimmin sovelletuilla mittareilla
Odotettu valmistelu
Oppimistapahtumat valmistuvat ennen
Pakollinen opiskelijoille
Ei mitään.
Valinnainen opiskelijoille
Referenssejä ja taustaa opiskelijoille
Ei mitään.
Suositellaan opettajille
- Tutustu esittelymateriaaleihin.
Oppituntimateriaalit
Ohjeita opettajille
Käsiteltävä oppitunnin hahmotelmat ja demonstroitava käsitteet interaktiivisten kannettavien tietokoneiden avulla (ali- tai ylisovituksen hyperparametrien vaikutus sekä puolueellisuus/varianssikäyrät; ROC/PR-käyrän kaltevuus).
Pääpiirteittäin/aika-aikataulu
Kesto (min) | Kuvaus | Käsitteet |
---|---|---|
5 | Epälineaarinen regressio (regressio) | peruspisteet, RBF, ytimen parametrit, keskimääräinen neliövirhe |
10 | Mallin monimutkaisuus, normalisointi ja parametrien määrä | monimutkaisuus, laillistaminen |
10 | Keskimääräisen neliövirheen bias-varianssin hajoaminen | yleistysvirhe, puolueellisuus, varianssi, havainnointimelu, aliasennus, ylisovitus |
10 | Monimutkaisuusparametrin vaikutusten osoittaminen, tasauskerroin ja peruspisteiden lukumäärä käyrän sovittaminen ja puolueellisuus/varianssi |
|
15 | Luokitusmallien arviointi | sekaannusmatriisi, TPR, FPR, tarkkuus, päätösraja, ROC/PR-käyrä |
10 | Päätösrajojen ja ROC-käyrän demonstrointi |
Tunnustukset
Human-Centered AI Masters -ohjelmaa rahoitettiin Euroopan unionin Verkkojen Eurooppa -välineestä (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).