Información administrativa
| Título | Montaje y optimización del modelo |
| Duración | 60 |
| Módulo | A |
| Tipo de lección | Conferencia |
| Enfoque | Técnico — Fundamentos de la IA |
| Tema | Fundamentos de la IA |
Keywords
regresión logística, ajuste del modelo, optimización, descenso de gradiente, método de Newton, estabilidad numérica,
Objetivos de aprendizaje
- Adquirir un conocimiento demostrable de lo que es la regresión logística
- Adquirir un conocimiento demostrable de la inferencia de LM en modelos no conjugados a través del descenso de gradiente
- Adquirir conocimientos demostrables sobre el diseño e implementación de algoritmos de optimización basados en gradientes
Preparación prevista
Eventos de aprendizaje que se completarán antes
Obligatorio para los estudiantes
- Revise los fundamentos de la inferencia bayesiana y la máxima probabilidad
- Revisar cálculo vectorial elemental
Opcional para estudiantes
Ninguno.
Referencias y antecedentes para estudiantes
Ninguno.
Recomendado para profesores
- Familiarizarse con el material de demostración
Material didáctico
Instrucciones para profesores
Cubra los temas en el esquema de la lección y demuestre los conceptos utilizando el cuaderno interactivo (relación entre el número de iteraciones, el valor de pérdida y el límite de decisión, mostrar varios algoritmos y el efecto de la tasa de aprendizaje). Proporcione una breve descripción general del código.
Esquema/horario de tiempo
| Duración (min) | Descripción | Conceptos |
|---|---|---|
| 5 | Introducción a la clasificación lineal | clasificación binaria, límite de decisión |
| 15 | Definición de un modelo de regresión logística | densidad de clase condicional, función sigmoide, regresión logística |
| 15 | Estimación de la probabilidad máxima | crossentropía binaria, tasa de aprendizaje, descenso de gradiente |
| 10 | Detalles de implementación y estabilidad numérica | estabilidad numérica, desbordamiento |
| 10 | Algoritmos avanzados | Método de Newton, búsqueda de línea |
| 5 | Demostración |
Reconocimientos
El programa de maestría en IA centrada en el ser humano fue cofinanciado por el Mecanismo «Conectar Europa» de la Unión Europea en virtud de la subvención «CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068».