Διοικητικές πληροφορίες
| Τίτλος | Μοντελοποίηση και βελτιστοποίηση |
| Διάρκεια | 60 |
| Ενότητα | Α |
| Είδος μαθήματος | Διάλεξη |
| Εστίαση | Τεχνικά — Ιδρύματα τεχνητής νοημοσύνης |
| Θέμα | Τα θεμέλια της τεχνητής νοημοσύνης |
Λέξεις-κλειδιά
λογιστική παλινδρόμηση, τοποθέτηση μοντέλου, βελτιστοποίηση, κάθοδος κλίσης, μέθοδος Newton, αριθμητική σταθερότητα,
Μαθησιακοί στόχοι
- Να αποκτήσουν αποδεδειγμένη γνώση του τι είναι η υλικοτεχνική παλινδρόμηση
- Για την απόκτηση αποδεδειγμένης γνώσης του συμπεράσματος ML σε μη συζευγμένα μοντέλα μέσω της κατάβασης κλίσης
- Να αποκτήσουν αποδεδειγμένες γνώσεις σχετικά με το σχεδιασμό και την εφαρμογή αλγορίθμων βελτιστοποίησης βάσει διαβάθμισης
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
- Εξετάστε τα βασικά στοιχεία του συμπεράσματος Bayesian και τη μέγιστη πιθανότητα
- Επανεξέταση του στοιχειώδους διανυσματικού λογισμού
Προαιρετικό για Φοιτητές
Καμία.
Αναφορές και υπόβαθρο για τους μαθητές
Καμία.
Συνιστάται για εκπαιδευτικούς
- Εξοικειωθείτε με το υλικό επίδειξης
Υλικό μαθήματος
Οδηγίες για τους εκπαιδευτικούς
Καλύψτε τα θέματα στο περίγραμμα του μαθήματος και παρουσιάστε τις έννοιες χρησιμοποιώντας το διαδραστικό σημειωματάριο (σχέση μεταξύ του αριθμού των επαναλήψεων, της αξίας απώλειας και του ορίου απόφασης, εμφάνιση διαφόρων αλγορίθμων και την επίδραση του ρυθμού μάθησης). Δώστε μια σύντομη επισκόπηση του κώδικα.
Σχεδιάγραμμα/χρονοδιάγραμμα
| Διάρκεια (ελάχ.) | Περιγραφή | Έννοιες |
|---|---|---|
| 5 | Εισαγωγή στη γραμμική ταξινόμηση | δυαδική ταξινόμηση, όριο απόφασης |
| 15 | Καθορισμός ενός μοντέλου υλικοτεχνικής παλινδρόμησης | πυκνότητα κατηγορίας-υπό όρους, σιγμοειδής λειτουργία, λογιστική παλινδρόμηση |
| 15 | Εκτίμηση μέγιστης πιθανότητας | δυαδική διασταυρούμενη, ποσοστό μάθησης, βαθμιδωτή κάθοδος |
| 10 | Λεπτομέρειες εφαρμογής και αριθμητική σταθερότητα | αριθμητική σταθερότητα, υπερχείλιση |
| 10 | Προηγμένοι αλγόριθμοι | Η μέθοδος του Νεύτωνα, αναζήτηση γραμμών |
| 5 | Επίδειξη |
Αναγνωρίσεις
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.