Административна информация
| Дял | Монтаж и оптимизиране на модела |
| Продължителност | 60 |
| Модул | А |
| Вид на урока | Лекция |
| Фокус | Технически — основи на ИИ |
| Тема | Основи на ИИ |
Ключови думи
логистична регресия, монтаж на модела, оптимизация, снижаване на градиента, метод на Нютон, цифрова стабилност,
Учебни цели
- Придобиване на доказуеми познания за това какво е логистична регресия
- Придобиване на доказуеми познания за ML в неконюгатни модели чрез градиентно спускане
- Придобиване на доказуеми знания за проектиране и внедряване на алгоритми за оптимизация, базирани на градиент
Очаквана подготовка
Обучение на събития, които трябва да бъдат завършени преди
Задължително за студентите
- Преглед на основите на Bayesian извод и максимална вероятност
- Преглед на елементарен векторен анализ
Незадължително за студенти
Няма.
Референции и фон за студенти
Няма.
Препоръчва се за учители
- Да се запознаят с демонстрационния материал
Материали за уроци
Инструкции за учители
Покрийте темите в очертанията на урока и демонстрирайте концепциите с помощта на интерактивния бележник (връзка между броя на повторенията, стойността на загубата и границата на вземане на решения, покажете различни алгоритми и ефекта от скоростта на учене). Направете кратък преглед на кода.
Описание/времеви график
| Продължителност (мин) | Описание | Концепции |
|---|---|---|
| 5 | Въведение в линейната класификация | двоична класификация, граница на решението |
| 15 | Определяне на логистичен регресионен модел | клас-условна плътност, сигмоидна функция, логистична регресия |
| 15 | Оценка на максималната вероятност | двоичен кръстентропия, процент на обучение, градиент спускане |
| 10 | Подробности за изпълнението и цифрова стабилност | числена стабилност, преливане |
| 10 | Усъвършенствани алгоритми | Метод на Нютон, търсене на линия |
| 5 | Демонстрация |
Потвърждения
Магистърската програма по ИИ, насочена към човека, беше съфинансирана от Механизма за свързване на Европа на Европейския съюз под формата на безвъзмездни средства № CEF-TC-2020—1 Digital Skills 2020-EU-IA-0068.