Informacje administracyjne
| Tytuł | Uczenie się bez nadzoru |
| Czas trwania | 60 minut |
| Moduł | A |
| Rodzaj lekcji | Wykład |
| Skupienie | Praktyczne – modelowanie AI |
| Temat | Analiza danych |
Słowa kluczowe
Uczenie się bez nadzoru, klasterowanie, zaawansowane klasterowanie, etyka,
Cele w zakresie uczenia się
- poznaj podstawy uczenia się bez nadzoru
Oczekiwane przygotowanie
Wydarzenia edukacyjne, które należy ukończyć przed
Obowiązkowe dla studentów
- Pythona
- pandy
Opcjonalne dla studentów
Brak.
Referencje i tło dla studentów
Brak.
Zalecane dla nauczycieli
Brak.
Materiały do lekcji
Instrukcje dla nauczycieli
Możesz oprzeć tę klasę wokół slajdów.
Zarys/harmonogram czasu
| Czas trwania (min) | Opis | Koncepcje |
|---|---|---|
| 5 | Uczenie się bez nadzoru | Wprowadzenie do uczenia się bez nadzoru (vs nadzorowane) |
| 20 | Grupowania | KMeans, K-Medoid, optymalna K |
| 20 | Zaawansowane klasterowanie | Hierarchiczne klastry, DBSCAN |
| 5 | Zaawansowana redukcja wymiarowości | zaawansowana redukcja wymiarowości: T-SNE |
| 5 | Etyka | Związek z etyką Case study |
Związek z etyką Case study
Grupowanie ludzi może umożliwiać przewidywania, które naruszają prywatność lub wyciągają niesprawiedliwe wnioski, jak w następujących przypadkach
- Cel zorientował się, że nastolatka była w ciąży, zanim jej ojciec zmarł
- Sprawa świadczeń z tytułu opieki nad dziećmi (toeslagenaffaire)
- Strony internetowe Vary Ceny, oferty oparte na informacjach użytkowników (patrz Przykłady nauczania etycznej sztucznej inteligencji)
Potwierdzenia
Program Masters zorientowany na człowieka został współfinansowany przez instrument „Łącząc Europę” Unii Europejskiej w ramach grantu CEF-TC-2020-1 Umiejętności cyfrowe 2020-EU-IA-0068.