Informazioni amministrative
| Titolo | Fondamenti del deep learning |
| Durata | 150 |
| Modulo | B |
| Tipo di lezione | Pratico |
| Focus | Tecnico — Apprendimento profondo |
| Argomento | NA |
Parole chiave
apprendimento profondo, costruzione di modelli, bias,
Obiettivi di apprendimento
- Iperparametri di sintonizzazione
- Investigare il pregiudizio del modello
Preparazione prevista
Eventi di apprendimento da completare prima
Obbligatorio per gli studenti
Nessuno.
Facoltativo per gli studenti
Nessuno.
Referenze e background per gli studenti
Nessuno.
Consigliato per gli insegnanti
Nessuno.
Materiale didattico
Istruzioni per gli insegnanti
Si tratta di una pratica di 2,5 ore, in cui gli studenti lavoreranno in team di 3. L'obiettivo generale di questa pratica è quello di individuare distorsioni per i gruppi destinatari (come definito nell'ALTAI CE [1]). Questo viene applicato sia ai dati che agli algoritmi. Gli studenti devono identificare e discutere eventuali pregiudizi che potrebbero influenzare gli utenti del modello. Costruire modelli affidabili implica immersioni e discussioni più profonde non solo su quanto sia buono il tuo modello, ma anche su dove si trovano le debolezze, ed essere onesti e iniziali quando presenti le metriche del modello.
A tal fine questo pratico chiederà agli studenti di indagare i dati e i pregiudizi del modello da un punto di vista di gruppo target, per discutere le questioni potenziali e orientate alla metrica che possono derivare da questo lavoro.
La sezione seguente descrive la panoramica delle attività e l'allocazione del tempo che gli studenti dovrebbero mirare a seguire. Le attività qui sotto sono collegate alle sezioni che dovrai eseguire in questo notebook, un certo codice è impalcato, alcuni sono presentati nella sua interezza, e a volte non c'è alcun codice presentato. Per ogni attività, c'è una descrizione elencata. Ci sono alcune sezioni che non sono collegate ma che devono essere eseguite, ad esempio, la sezione di importazione.
Set di dati:
Set di dati per l'insegnamento dell'IA etica (set di dati del censimento)
Contorno
| Durata (min) | Descrizione |
|---|---|
| 10 | Fornire una panoramica del pratico |
| 10 | Configurazione e importazioni e lettura dei dati |
| 30 | Pre-elaborazione dei dati & preparazione dei dati |
| 40 | Sviluppo del modello |
| 60 | Bias del gruppo target |
Riconoscimenti
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.