Praktisch: Grundlagen des Deep Learning

Verwaltungsinformationen

Suchbegriffe

Deep Learning, Modellbau, Vorurteile,

Lernziele

• Einstellung von Hyperparametern
• Modellverzerrung untersuchen

Erwartete Vorbereitung

Unterrichtsmaterialien

• Praktisch (HTML)
• Praktisch (.ipynb)

Anleitung für Lehrer

Dies ist ein 2,5-Stunden-Praktikal, in dem die Schüler in Teams von 3 arbeiten. Das übergeordnete Ziel dieser Praxis ist es, Verzerrungen für Zielgruppen (wie in der EC ALTAI [1] definiert) zu identifizieren. Dies gilt sowohl für die Daten als auch für die Algorithmen. Die Schüler müssen alle Verzerrungen identifizieren und diskutieren, die Benutzer des Modells beeinflussen könnten. Der Aufbau vertrauenswürdiger Modelle beinhaltet tiefere Tauchgänge und Diskussionen darüber, wie gut Ihr Modell ist, sondern auch, wo seine Schwächen liegen, und ehrlich und im Voraus zu sein, wenn Sie die Modellmetriken präsentieren.

Zu diesem Zweck wird diese Praxis die Studierenden bitten, Daten und Modellverzerrungen aus zielgruppenbezogener Sicht zu untersuchen, mögliche und metrikgetriebene Probleme zu diskutieren, die sich aus dieser Arbeit ergeben können.

Der folgende Abschnitt beschreibt den Überblick über die Aufgaben und die Zeitzuweisung, die die Studierenden verfolgen sollten. Die folgenden Aufgaben sind mit den Abschnitten verknüpft, die Sie in diesem Notizbuch ausführen müssen, einige Code ist gerüstet, einige sind in seiner Gesamtheit dargestellt, und manchmal gibt es überhaupt keinen Code. Für jede Aufgabe gibt es eine Beschreibung. Es gibt einige Abschnitte, die nicht verknüpft sind, aber ausgeführt werden müssen, zum Beispiel den Importbereich.

Datensatz:

Datensätze für die Lehre ethischer KI (Zensus-Datensatz)

Gliederung

Danksagung

Das Human-Centered AI Masters-Programm wurde von der Fazilität „Connecting Europe“ der Europäischen Union im Rahmen des Zuschusses „CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068“ kofinanziert.

Unterrichtsplan für SURF

Wikiwijs Seite