Informazioni amministrative
Titolo | Modello di valutazione |
Durata | 60 |
Modulo | A |
Tipo di lezione | Lezione |
Focus | Tecnico — Fondamenti dell'IA |
Argomento | Fondamenti dell'IA |
Parole chiave
sottofitting, overfitting, generalizzazione, decomposizione di bias-variance, complessità del modello, curva ROC,
Obiettivi di apprendimento
- Gli studenti comprendono il concetto di prestazione predittiva prevista e generalizzazione
- Gli studenti comprendono il concetto di complessità del modello e il suo rapporto con le prestazioni di generalizzazione
- Gli studenti hanno familiarità con i pregiudizi e la varianza del loro rapporto con l'underfitting e l'overfitting
- Gli studenti hanno una solida conoscenza sulla valutazione dei modelli di classificazione binaria con le metriche più ampiamente applicate
Preparazione prevista
Eventi di apprendimento da completare prima
Obbligatorio per gli studenti
Nessuno.
Facoltativo per gli studenti
Referenze e background per gli studenti
Nessuno.
Consigliato per gli insegnanti
- Familiarizzare con i materiali dimostrativi.
Materiale didattico
Istruzioni per gli insegnanti
Coprire gli argomenti della lezione e dimostrare i concetti utilizzando i notebook interattivi (effetto degli iperparametri su under/overfitting e curve di bias/varianza; calcluazione delle curve ROC/PR).
Schema/orario
Durata (min) | Descrizione | Concetti |
---|---|---|
5 | Regressione non lineare (recap) | punti base, RBF, parametri del kernel, errore medio al quadrato |
10 | Complessità del modello, regulariztaion e numero di parametri | complessità, regolarizzazione |
10 | Decomposizione della variazione di bias dell'errore quadrato medio | errore di generalizzazione, bias, varianza, rumore di osservazione, sottofitting, overfitting |
10 | Dimostrazione degli effetti del parametro di complessità, coefficiente di regolarizzazione e numero di punti base raccordo curva e bias/varianza |
|
15 | Valutazione dei modelli di classificazione | matrice di confusione, TPR, FPR, precisione, confine decisionale, curva ROC/PR |
10 | Dimostrazione dei confini decisionali e della curva ROC |
Riconoscimenti
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.