[αυτή η σελίδα στο wiki][δείκτης][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Διάλεξη: SVM και πυρήνες

Διοικητικές πληροφορίες

Τίτλος Διάλεξη: SVM και πυρήνες
Διάρκεια 60
Ενότητα Α
Είδος μαθήματος Διάλεξη
Εστίαση Πρακτική — Μοντελοποίηση τεχνητής νοημοσύνης
Θέμα Μοντελοποίηση τεχνητής νοημοσύνης

Λέξεις-κλειδιά

ταξινομητής μέγιστου περιθωρίου, διάνυσμα υποστήριξης, τέχνασμα πυρήνων,

Μαθησιακοί στόχοι

Αναμενόμενη προετοιμασία

Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν

Υποχρεωτικό για τους φοιτητές

  • Ανασκόπηση αναλυτικής γεωμετρίας (π.χ. απόσταση ενός σημείου από ένα επίπεδο).

Προαιρετικό για Φοιτητές

Καμία.

Αναφορές και υπόβαθρο για τους μαθητές

  • Επίσκοπος, Κρίστοφερ Μ. (2006). Αναγνώριση προτύπων και μηχανική μάθηση, Κεφάλαιο 7

Συνιστάται για εκπαιδευτικούς

  • Εξοικειωθείτε με το υλικό επίδειξης.

Υλικό μαθήματος

Οδηγίες για τους εκπαιδευτικούς

Καλύψτε τα θέματα στο περίγραμμα του μαθήματος και δείξτε την επίδραση της παραμέτρου πολυπλοκότητας και της παραμέτρου χρησιμοποιώντας τα διαδραστικά σημειωματάρια. Δείξτε ένα παράδειγμα ανεφοδιασμού. Δώστε μια σύντομη επισκόπηση του κώδικα.

Σχεδιάγραμμα/χρονοδιάγραμμα

Διάρκεια (ελάχ.) Περιγραφή Έννοιες
15 Ταξινομητές μέγιστων περιθωρίων χαρακτηριστικό γνώρισμα διάστημα, που χωρίζει το υπερεπίπεδο, περιθώριο, διάνυσμα υποστήριξης
10 Σύνθεση μαλακού περιθωρίου Slack μεταβλητές, πολυπλοκότητα του μοντέλου
10 Διπλή διατύπωση και βελτιστοποίηση Πολλαπλασιαστές Lagrange, πρωταρχικά και διπλά προβλήματα
10 Υποστήριξη διανυσμάτων και προβλέψεων διπλές παράμετροι και φορείς υποστήριξης
15 Η μη γραμμικοποίηση και το τέχνασμα του πυρήνα λειτουργία πυρήνα

Αναγνωρίσεις

Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.