Informations administratives
| Titre | Évaluation du modèle |
| Durée | 60 |
| Module | A |
| Type de leçon | Conférence |
| Focus | Technique — Fondements de l’IA |
| Sujet | Fondements de l’IA |
Mots-clés
sous-ajustement, surajustement, généralisation, décomposition des biais-variance, complexité du modèle, courbe ROC,
Objectifs d’apprentissage
- Les apprenants comprennent le concept de performance prédictive attendue et de généralisation
- Les apprenants comprennent le concept de complexité du modèle et sa relation avec la performance de généralisation
- Les apprenants sont familiers avec le biais et la variance de leur relation avec le sous-ajustement et le surfitting
- Les apprenants ont une compréhension ferme sur l’évaluation des modèles de classification binaire avec les métriques les plus largement appliquées
Préparation prévue
Événements d’apprentissage à compléter avant
Obligatoire pour les étudiants
Aucun.
Optionnel pour les étudiants
Références et antécédents pour les étudiants
Aucun.
Recommandé pour les enseignants
- Familiarisez-vous avec les matériaux de démonstration.
Matériel de leçon
Instructions pour les enseignants
Couvrir les sujets dans le schéma de la leçon et démontrer les concepts à l’aide des carnets de notes interactifs (effet des hyperparamètres sur le sous-réglage/le surajustement et les courbes de biais/variance; calclation des courbes ROC/PR).
Esquisse/horaire
| Durée (min) | Description | Concepts |
|---|---|---|
| 5 | Régression non linéaire (récapitulation) | points de base, RBF, paramètres du noyau, erreur carrée moyenne |
| 10 | Complexité du modèle, regulariztaion et nombre de paramètres | complexité, régularisation |
| 10 | Décomposition de la variation des biais de l’erreur moyenne au carré | erreur de généralisation, biais, variance, bruit d’observation, sous-ajustement, surajustement |
| 10 | Démonstration des effets du paramètre de complexité, coefficient de régularisation et nombre de points de base ajustement de la courbe et biais/variance |
|
| 15 | Évaluation des modèles de classification | matrice de confusion, TPR, FPR, précision, limite de décision, courbe ROC/PR |
| 10 | Démonstration des limites de décision et de la courbe ROC |
Remerciements
Le programme de master IA centré sur l’humain a été cofinancé par le mécanisme pour l’interconnexion en Europe de l’Union européenne dans le cadre de la subvention CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.