Upravne informacije
| Naslov | Tehnike regularizacije |
| Trajanje | 60 |
| Modul | B |
| Vrsta lekcije | Predavanje |
| Osredotočenost | Tehnično – poglobljeno učenje |
| Tema | Tehnike regularizacije |
Ključne besede
Ureditev, klici, GridSearch,
Učni cilji
- Preglejte inicialatorje teže
- Raziščite pristranskost
- Uporaba osipa in hrupa
- Implimentni klici
- Podcenjevanje in izvajanje GridSearch
- Uporaba netradicionalnih tehnik prekomernega opremljanja
Pričakovana priprava
Učenje Dogodki, ki jih je treba dokončati pred
Nobenega.
Obvezno za študente
Nobenega.
Neobvezno za študente
Nobenega.
Reference in ozadje za študente
- John D Kelleher in Brain McNamee. (2018), Osnove strojnega učenja za napovedno podatkovno analitiko, MIT Press.
- Michael Nielsen. (2015), Neural Networks and Deep Learning, 1. Odločni tisk, San Francisco CA ZDA.
- Charu C. Aggarwal. (2018), Neural Networks and Deep Learning, 1. Springer
- Antonio Gulli, Sujit Pal. Globoko učenje s Kerasom, Packt, [ISBN: 9781787128422].
Priporočeno za učitelje
Nobenega.
Gradivo za učne ure
Navodila za učitelje
To predavanje bo učencem predstavilo osnove hiperparametrskega tuninga. Nabor podatkov popisa bomo uporabili kot primere uporabe in rezultatov tehnik legalizacije. Podatkovni niz popisa odraslih je binarni problem klasifikacije. Cilj tega predavanja je uvesti več oblik regularizacije, začenši z inicialatorji teže, pristranskostjo, soprilagoditvijo, povratnimi klici, iskanjem mreže za avtomatsko hiperparametrsko tunning in dodatnimi tehnikami preverjanja regularizacije. Cilj je opredeliti tehnike za podporo razvoju posplošljivih modelov z omejeno skupno prilagoditvijo, da se naučijo funkcije in ne podatkov. Nekatere od teh tehnik tudi izboljšajo čas usposabljanja, kar lahko zmanjša izračun, ki je potreben za večje modele.
Obris
| Trajanje (mini) | Opis |
|---|---|
| 10 | Inicialatorji teže in pristranskost |
| 10 | Soprilagoditev |
| 10 | Povratne klice |
| 20 | GridSearch |
| 10 | Dodatni pregledi |
Priznanja
Program Masters umetne inteligence, ki je bil vključen v človeka, je bil sofinanciran z instrumentom za povezovanje Evrope Evropske unije v okviru nepovratnih sredstev (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).