Informacje administracyjne
| Tytuł | Ocena modelu |
| Czas trwania | 60 |
| Moduł | A |
| Rodzaj lekcji | Wykład |
| Skupienie | Techniczne – podstawy sztucznej inteligencji |
| Temat | Podstawy AI |
Słowa kluczowe
niedopasowanie, przemontowanie, uogólnienie, rozkład wariancji stronniczości, złożoność modelu, krzywa ROC,
Cele w zakresie uczenia się
- Uczniowie rozumieją koncepcję oczekiwanej predykcyjnej wydajności i uogólniania
- Uczniowie rozumieją koncepcję złożoności modelu i jej związek z wydajnością uogólniania
- Uczniowie są zaznajomieni z uprzedzeniami i wariancją, których związek z niedopasowaniem i nadmiernym dopasowaniem
- Uczniowie mają silną wiedzę na temat oceny modeli klasyfikacji binarnej z najszerzej stosowanymi wskaźnikami
Oczekiwane przygotowanie
Wydarzenia edukacyjne, które należy ukończyć przed
Obowiązkowe dla studentów
Brak.
Opcjonalne dla studentów
Referencje i tło dla studentów
Brak.
Zalecane dla nauczycieli
- Zapoznaj się z materiałami demonstracyjnymi.
Materiały do lekcji
Instrukcje dla nauczycieli
Omówienie tematów zawartych w zarysu lekcji i zaprezentowanie pojęć za pomocą interaktywnych notebooków (wpływ hiperparametrów na niedopasowanie/nadmierne dopasowanie oraz krzywe stronniczości/wariancji; kalkulacja krzywych ROC/PR).
Zarys/harmonogram czasu
| Czas trwania (min) | Opis | Koncepcje |
|---|---|---|
| 5 | Regresja nieliniowa (podsumowanie) | punkty bazowe, RBF, parametry jądra, średni błąd kwadratowy |
| 10 | Złożoność modelu, regulariztaion i liczba parametrów | złożoność, uregulowanie |
| 10 | Rozkład wariancji stronniczości średniego błędu kwadratowego | błąd uogólnienia, stronniczość, wariancja, hałas obserwacyjny, niedopasowanie, przemontowanie |
| 10 | Wykazanie efektów parametru złożoności, współczynnik regularyzacji i liczba punktów bazowych na dopasowanie krzywej i stronniczość/wariancja |
|
| 15 | Ocena modeli klasyfikacji | matryca dezorientacji, TPR, FPR, precyzja, granica decyzji, krzywa ROC/PR |
| 10 | Demonstracja granic decyzyjnych i krzywej ROC |
Potwierdzenia
Program Masters zorientowany na człowieka został współfinansowany przez instrument „Łącząc Europę” Unii Europejskiej w ramach grantu CEF-TC-2020-1 Umiejętności cyfrowe 2020-EU-IA-0068.