Información administrativa
| Título | Fundamentos del aprendizaje profundo |
| Duración | 150 |
| Módulo | B |
| Tipo de lección | Practico |
| Enfoque | Técnico — Aprendizaje profundo |
| Tema | NA |
Keywords
aprendizaje profundo, construcción de modelos, sesgo,
Objetivos de aprendizaje
- Sintonice los hiperparámetros
- Investigar el sesgo del modelo
Preparación prevista
Eventos de aprendizaje que se completarán antes
Obligatorio para los estudiantes
Ninguno.
Opcional para estudiantes
Ninguno.
Referencias y antecedentes para estudiantes
Ninguno.
Recomendado para profesores
Ninguno.
Material didáctico
Instrucciones para profesores
Esta es una práctica de 2,5 horas, donde los estudiantes trabajarán en equipos de 3. El objetivo general de esta práctica es identificar el sesgo para los grupos destinatarios (tal como se define en el ALTAI de la CE [1]). Esto se aplica tanto a los datos como a los algoritmos. Los estudiantes deben identificar y discutir cualquier sesgo que pueda afectar a los usuarios del modelo. Construir modelos confiables implica inmersiones más profundas y discusión no solo sobre lo bueno que es tu modelo, sino también sobre dónde se encuentran sus debilidades, y ser honesto y directo al presentar las métricas del modelo.
Con ese fin, esta práctica pedirá a los estudiantes que investiguen los datos y el sesgo del modelo desde un punto de vista de grupo objetivo, para discutir los problemas potenciales y orientados a la métrica que pueden surgir de este trabajo.
En la siguiente sección se describe la descripción general de las tareas y la asignación de tiempo que los estudiantes deben tratar de seguir. Las tareas a continuación están vinculadas a las secciones que necesitará ejecutar en este cuaderno, algunos códigos están andamios, algunos se presentan en su totalidad, y a veces no hay ningún código presentado en absoluto. Para cada tarea, hay una descripción listada. Hay algunas secciones que no están vinculadas pero que deben ejecutarse, por ejemplo, la sección de importación.
Conjunto de datos:
Conjuntos de datos para la enseñanza de la IA ética (conjunto de datos del censo)
Esquema
| Duración (Min) | Descripción |
|---|---|
| 10 | Proporcionar una visión general de lo práctico |
| 10 | Configuración y importación y lectura de los datos |
| 30 | Preprocesamiento de datos y preparación de datos |
| 40 | Desarrollo de modelos |
| 60 | Sesgo del grupo destinatario |
Reconocimientos
El programa de maestría en IA centrada en el ser humano fue cofinanciado por el Mecanismo «Conectar Europa» de la Unión Europea en virtud de la subvención «CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068».