Administrativne informacije
| Naslov | Tehnike reguliranja |
| Trajanje | 60 |
| Modul | B |
| Vrsta lekcija | Predavanje |
| Fokus | Tehničko – dubinsko učenje |
| Tema | Tehnike reguliranja |
Ključne riječi
Regularizacija, povratni pozivi, GridSearch,
Ciljevi učenja
- Ispitivanje inicijalizatora težine
- Istražite pristranost
- Nanesite odustajanje i buku
- Povratni povratni pozivi
- Undertsand i implementirati GridSearch
- Primjena netradicionalnih tehnika prenamjene
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Nijedan.
Obvezno za studente
Nijedan.
Neobvezno za studente
Nijedan.
Preporuke i pozadina za studente
- John D Kelleher i Brain McNamee. (2018.), Fundamentals of Machine Learning for Predictive Data Analytics (Osnove strojnog učenja za prediktivnu analizu podataka), MIT Press.
- Michael Nielsen. (2015.), Neuralne mreže i duboko učenje, 1. Resorni tisak, San Francisco CA SAD.
- Charu C. Aggarwal. (2018.), Neuralne mreže i duboko učenje, 1. Springer
- Antonio Gulli, Sujit Pal. Dubinsko učenje s Kerasom, Packtom, [ISBN: 9781787128422].
Preporučeno nastavnicima
Nijedan.
Nastavni materijali
Upute za učitelje
Ovo predavanje upoznat će studente s osnovama ugađanja hiperparametra. Upotrijebit ćemo skup podataka popisa kao primjere upotrebe i ishoda tehnika regularizacije. Skup podataka popisa odraslih je binarni klasifikacijski problem. Cilj ovog predavanja je predstaviti nekoliko oblika regularizacije, počevši od inicijalizatora težine, pristranosti, ko-adapcije, povratnih poziva, rešetke pretraživanja za automatsko podešavanje hiperparametara i dodatnih tehnika provjere regularizacije. Cilj je utvrditi tehnike za potporu razvoju modela koji se mogu generalizirati uz ograničenu zajedničku prilagodbu za učenje funkcije, a ne podataka. Neke od tih tehnika također poboljšavaju vrijeme treninga, čime se može smanjiti izračun potreban za veće modele.
Nacrt
| Trajanje (min) | Opis |
|---|---|
| 10 | Inicijalizatori težine i pristranost |
| 10 | Zajednička prilagodba |
| 10 | Povratni pozivi |
| 20 | GridSearch |
| 10 | Dodatne provjere |
Priznanja
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.