Adminisztratív információk
| Cím | A mélytanulás alapjai |
| Időtartam | 150 |
| Modul | B |
| Lecke típusa | Praktikus |
| Fókusz | Technikai – Mély tanulás |
| Téma | NA |
Kulcsszó
mély tanulás, modell épület, elfogultság,
Tanulási célok
- A hiperparaméterek hangolása
- A modell elfogultságának vizsgálata
Várható előkészítés
Az előtt befejezendő tanulási események
Kötelező a diákok számára
Egy sem.
Választható diákok számára
Egy sem.
Referenciák és háttér a diákok számára
Egy sem.
Ajánlott tanároknak
Egy sem.
Leckeanyagok
Utasítások tanároknak
Ez egy 2,5 órás gyakorlat, ahol a diákok 3 fős csapatokban dolgoznak. E gyakorlat általános célja a célcsoportok elfogultságának azonosítása (az EK ALTAI [1] meghatározása szerint). Ez vonatkozik mind az adatokra, mind az algoritmusokra. A diákoknak azonosítaniuk kell és meg kell vitatniuk azokat az előítéleteket, amelyek hatással lehetnek a modell felhasználóira. A megbízható modellek felépítése magában foglalja a mélyebb merüléseket és a megbeszéléseket nemcsak arról, hogy mennyire jó a modell, hanem arról is, hogy hol vannak a gyengeségei, és hogy őszinte és előremutató legyen a modell mérőszámainak bemutatásakor.
Ennek érdekében ez a gyakorlati felkéri a diákokat, hogy vizsgálja meg az adatokat és a modell elfogultság egy célcsoport szempontjából, hogy megvitassák a potenciális és metrikus-vezérelt kérdések, amelyek ebből a munkából származhatnak.
A következő szakasz ismerteti a feladatok áttekintését és az időelosztást, amelyet a hallgatóknak követniük kell. Az alábbi feladatok a jegyzetfüzetben futtatandó szakaszokhoz kapcsolódnak, néhány kód állványozott, néhány teljes egészében megjelenik, és néha egyáltalán nincs kód. Minden feladathoz van egy leírás. Vannak olyan szakaszok, amelyek nincsenek összekapcsolva, de futtatni kell, például az import szakaszt.
Adatkészlet:
Adatkészletek az etikus mesterséges intelligencia oktatásához (Census data set)
Vázlat
| Időtartam (min) | Leírás |
|---|---|
| 10 | Áttekintést nyújt a gyakorlati |
| 10 | Az adatok beállítása, behozatala és leolvasása |
| 30 | Adatok előfeldolgozása & Adatok előkészítése |
| 40 | Modellfejlesztés |
| 60 | Célcsoporti elfogultság |
Visszaigazolások
A Human-Centered AI Masters programot az Európai Unió Európai Hálózatfinanszírozási Eszköze (CEF-TC-2020–1 Digitális készségek 2020 EU-IA-0068) társfinanszírozta.