Informacje administracyjne
| Tytuł | Mocowanie i optymalizacja modelu |
| Czas trwania | 60 |
| Moduł | A |
| Rodzaj lekcji | Wykład |
| Skupienie | Techniczne – podstawy sztucznej inteligencji |
| Temat | Podstawy AI |
Słowa kluczowe
regresja logistyczna, dopasowanie modelu, optymalizacja, zejście gradientu, metoda Newtona, stabilność numeryczna,
Cele w zakresie uczenia się
- Zdobycie wyraźnej wiedzy o tym, czym jest regresja logistyczna
- Zdobycie możliwej do wykazania wiedzy na temat wnioskowania ML w modelach nieskonjugatowych poprzez pochylenie gradientu
- Zdobycie możliwej do wykazania wiedzy na temat projektowania i wdrażania algorytmów optymalizacyjnych opartych na gradientach
Oczekiwane przygotowanie
Wydarzenia edukacyjne, które należy ukończyć przed
Obowiązkowe dla studentów
- Zapoznaj się z podstawami wnioskowania Bayesa i maksymalnym prawdopodobieństwem
- Przegląd podstawowego rachunku wektorowego
Opcjonalne dla studentów
Brak.
Referencje i tło dla studentów
Brak.
Zalecane dla nauczycieli
- Zapoznaj się z materiałem demonstracyjnym
Materiały do lekcji
Instrukcje dla nauczycieli
Omówienie tematów w zarysu lekcji i zaprezentowanie pojęć za pomocą interaktywnego notebooka (relacja między liczbą iteracji, wartością utraty i granicą decyzji, pokazywanie różnych algorytmów i wpływu wskaźnika uczenia się). Podaj krótki przegląd kodu.
Zarys/harmonogram czasu
| Czas trwania (min) | Opis | Koncepcje |
|---|---|---|
| 5 | Wprowadzenie do klasyfikacji liniowej | klasyfikacja binarna, granica decyzyjna |
| 15 | Definiowanie modelu regresji logistycznej | gęstość warunkowa klasy, funkcja sigmoidalna, regresja logistyczna |
| 15 | Oszacowanie maksymalnego prawdopodobieństwa | binarna crossentropia, szybkość uczenia się, zejście gradientu |
| 10 | Szczegóły wdrożenia i stabilność numeryczna | stabilność numeryczna, przepełnienie |
| 10 | Zaawansowane algorytmy | Metoda Newtona, wyszukiwanie linii |
| 5 | Demonstracja |
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.