[questa pagina su wiki][indice][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Lezione: Modello di valutazione

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

Preparazione prevista

Eventi di apprendimento da completare prima

Obbligatorio per gli studenti

Nessuno.

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.