[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]

Πρακτικό: Ομόσπονδη Μάθηση — Εκπαίδευση βαθιά μοντέλα

Διοικητικές πληροφορίες

Τίτλος Ομόσπονδη Μάθηση — Εκπαίδευση βαθιά μοντέλα
Διάρκεια 150 λεπτά
Ενότητα Γ
Είδος μαθήματος Πρακτική
Εστίαση Τεχνική — Μελλοντική ΤΝ
Θέμα Εξελίξεις στα μοντέλα ML μέσω ενός φακού HC — Μια μελέτη προσανατολισμένη στα αποτελέσματα

Λέξεις-κλειδιά

Ομόσπονδη μάθηση, ροή τάσης,

Μαθησιακοί στόχοι

Αναμενόμενη προετοιμασία

Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν

Υποχρεωτικό για τους φοιτητές

  • Οι μαθητές θα πρέπει να έχουν μια βασική κατανόηση των εννοιών και τεχνικών βαθιάς μάθησης
  • Βασική κατανόηση της βαθιάς μάθησης (SGD, αλγόριθμος οπισθοπολλαπλασιασμού) και τεχνικές αξιολόγησης

Προαιρετικό για Φοιτητές

  • Λίγη γνώση του πλαισίου TensorFlow και της γλώσσας προγραμματισμού Python

Συνιστάται για εκπαιδευτικούς

Υλικό μαθήματος

Οδηγίες για τους εκπαιδευτικούς

Σχεδιάγραμμα

Διάρκεια Περιγραφή Έννοιες Δραστηριότητα
20 λεπτά Εισαγωγή στο πλαίσιο: πώς να κωδικοποιήσετε ένα απλό ομόσπονδο σύστημα μάθησης Εισαγωγή εργαλείων Εισαγωγή στα κύρια εργαλεία
60 λεπτά Ομόσπονδη εκπαίδευση: ο εύκολος τρόπος. Πώς να εφαρμόσετε μοντέλα αμαξοστοιχιών με ομόσπονδη μάθηση με βάση iid τοπικά δεδομένα Ομόσπονδος μέσος όρος Πρακτική συνεδρίαση και παραδείγματα εργασίας
60 λεπτά Ομόσπονδη εκπαίδευση: με τον δύσκολο τρόπο. Πώς επηρεάζει η ετερογένεια τον μέσο όρο και τι μπορούμε να κάνουμε Προκλήσεις που συνδέονται με την Ομόσπονδη Μάθηση Πρακτική συνεδρίαση και παραδείγματα εργασίας
10 λεπτά Συμπέρασμα, ερωτήσεις και απαντήσεις Περίληψη Συμπεράσματα

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.