Administratívne informácie
| Názov | Techniky legalizácie |
| Trvanie | 60 |
| Modul | B |
| Druh lekcie | Prednáška |
| Zameranie | Technické – hĺbkové učenie |
| Téma | Techniky legalizácie |
Kľúčové slová
Regularizácia, spätné volanie, GridSearch,
Vzdelávacie ciele
- Preskúmajte inicializátory hmotnosti
- Vyšetrovať zaujatosť
- Použiť dropout a hluk
- Impliment callbacks
- Podstavec a implementácia GridSearch
- Aplikujte netradičné techniky nadstavby
Očakávaná príprava
Naučte sa udalosti, ktoré treba dokončiť predtým
Žiadne.
Povinné pre študentov
Žiadne.
Voliteľné pre študentov
Žiadne.
Referencie a zázemie pre študentov
- John D Kelleher a Brain McNamee (2018), Základy strojového učenia pre prediktívnu dátovú analytiku, MIT Press.
- Michael Nielsen. (2015), Neural Networks and Deep Learning (Neurálne siete a hlboké učenie), 1. Kľúčové slová, San Francisco CA USA.
- Charu C. Aggarwal. (2018), Neural Networks and Deep Learning (Neurálne siete a hlboké učenie), 1. Springer
- Antonio Gulli, Sujit Pal. Hlboké učenie s Keras, Packt, [ISBN: 9781787128422].
Odporúčané pre učiteľov
Žiadne.
Učebné materiály
Pokyny pre učiteľov
Táto prednáška predstaví študentom základy ladenia hyperparametrov. Súbor sčítacích údajov použijeme ako príklady použitia a výsledkov techník legalizácie. Súbor údajov o sčítaní dospelých je binárny problém klasifikácie. Cieľom tejto prednášky je predstaviť niekoľko foriem regularizácie, počnúc inicializátormi hmotnosti, skreslením, ko-adapciou, spätnými volaniami, vyhľadávaním mriežky pre automatické tunovanie hyperparametrov a ďalšími technikami kontroly regularizácie. Cieľom je identifikovať techniky na podporu vývoja zovšeobecniteľných modelov s obmedzenou ko-adapciou na učenie funkcie, a nie údajov. Niektoré z týchto techník tiež zlepšujú čas tréningu, a tak môžu znížiť výpočet potrebný pre väčšie modely.
Obrysy
| Trvanie (Min) | Popis |
|---|---|
| 10 | Inicializátory hmotnosti a skreslenie |
| 10 | Spoluprispôsobenie |
| 10 | Spätné volania |
| 20 | GridSearch |
| 10 | Dodatočné kontroly |
Uznania
Program Masters umelej inteligencie zameraný na človeka bol spolufinancovaný z Nástroja Európskej únie na prepájanie Európy v rámci grantu CEF-TC-2020 – 1 Digitálne zručnosti 2020-EU-IA-0068.