Haldusteave
| Ametinimetus | Seadustamise tehnikad |
| Kestus | 60 |
| Moodul | B |
| Õppetunni liik | Loeng |
| Keskendumine | Tehniline – sügav õpe |
| Teema | Seadustamise tehnikad |
Võtmesõnad
Seadustamine, tagasikutsumine, GridSearch,
Õpieesmärgid
- Kaalu initsieerijate uurimine
- Uurige erapoolikust
- Rakenda väljalangemist ja müra
- Impliment tagasikutsumine
- Alahinnata ja rakendada GridSearch
- Mittetraditsiooniliste ülepaigaldamismeetodite kasutamine
Eeldatav ettevalmistamine
Õppeüritused, mis tuleb lõpetada enne
Puudub.
Kohustuslik õpilastele
Puudub.
Valikuline õpilastele
Puudub.
Viited ja taust õpilastele
- John D Kelleher ja Brain McNamee. (2018), Machine Learning for Predictive Data Analytics, MIT Press.
- Michael Nielsen. (2015), Neural Networks and Deep Learning, 1. Meelekindluse ajakirjandus, San Francisco CA USA.
- Charu C. Aggarwal. (2018), Neural Networks and Deep Learning, 1. Springer
- Antonio Gulli, Sujit Pal. Süvaõpe Keras, Packt, [ISBN: 9781787128422].
Soovitatav õpetajatele
Puudub.
Õppematerjalid
Juhised õpetajatele
See loeng tutvustab õpilastele hüperparameetri häälestamise põhialuseid. Me kasutame loendusandmete kogumit seadustamistehnikate kasutamise ja tulemuste näidetena. Täiskasvanute loendusandmestik on binaarne klassifitseerimisprobleem. Selle loengu eesmärk on tutvustada mitmeid seadustamise vorme, alustades kaalu initsiaatoritest, eelarvamustest, kaas-adaptsioonist, tagasikutsumistest, automaatse hüperparameetri tunningi võrguotsingust ja täiendavatest seadustamise kontrollimise tehnikatest. Eesmärk on teha kindlaks tehnikad, mis toetavad üldlevinud mudelite väljatöötamist piiratud kooskasutamisega, et õppida funktsiooni, mitte andmeid. Mõned neist tehnikatest parandavad ka koolitusaega, mis võib vähendada suuremate mudelite jaoks vajalikku arvutust.
Kontuur
| Kestus (Min) | Kirjeldus |
|---|---|
| 10 | Kaalu initsieerijad ja kallutatus |
| 10 | Ühine kohandamine |
| 10 | Tagasihelistamine |
| 20 | GridSearch |
| 10 | Täiendavad kontrollid |
Tunnustused
Inimkeskse tehisintellekti magistriprogrammi kaasfinantseeris Euroopa Liidu Ühendamise Rahastu toetusega CEF-TC-2020–1 „Digioskused 2020“-EU-IA-0068.