Haldusteave
| Ametinimetus | Loeng: SVMs ja Kernels |
| Kestus | 60 |
| Moodul | A |
| Õppetunni liik | Loeng |
| Keskendumine | Praktiline – tehisintellekti modelleerimine |
| Teema | Tehisintellekti modelleerimine |
Võtmesõnad
maksimaalne võimendustagatise klassifikaator, tugivektor, tuumatrikk,
Õpieesmärgid
- Et teada, mis on tugivektor ja kuidas seda funktsiooniruumis leida
- Et teada saada, kuidas lineaarne SVM töötab
- Tuumafunktsiooni mõiste mõistmine SVM-i kontekstis
- Et teada saada, kuidas tuumatrikk võimaldab lineaarset klassifitseerimist lineaarse SVM-iga
Eeldatav ettevalmistamine
Õppeüritused, mis tuleb lõpetada enne
Kohustuslik õpilastele
- Analüütilise geomeetria läbivaatamine (nt punkti kaugus tasapinnast).
Valikuline õpilastele
Puudub.
Viited ja taust õpilastele
- Piiskop Christopher M. (2006). Mustrite äratundmine ja masinõpe, 7. peatükk
Soovitatav õpetajatele
- Tutvuge näidismaterjaliga.
Õppematerjalid
Juhised õpetajatele
Kirjeldage õppetunni teemasid ning näidake keerukuse parameetri ja RBF-parameetri mõju interaktiivsete märkmike abil. Näidake alasobitamise näidet. Andke lühiülevaade koodist.
Ülevaade/ajakava
| Kestus (min) | Kirjeldus | Mõisted |
|---|---|---|
| 15 | Maksimaalsed võimendustagatise klassifikaatorid | funktsioon ruumi, eraldades hüperplane, marginaal, tugivektor |
| 10 | Pehme marginaaliga koostis | Slack muutujad, mudeli keerukus |
| 10 | Kahekordne sõnastus ja optimeerimine | Lagrange’i kordajad, esmased ja topeltprobleemid |
| 10 | Tugivektorid ja prognoosid | kaks parameetrit ja tugivektorid |
| 15 | Mittelineariseerimine ja tuuma trikk | tuumafunktsioon |
Tunnustused
Inimkeskse tehisintellekti magistriprogrammi kaasfinantseeris Euroopa Liidu Ühendamise Rahastu toetusega CEF-TC-2020–1 „Digioskused 2020“-EU-IA-0068.