Praktično: Osnove globokega učenja

Upravne informacije

Ključne besede

globoko učenje, oblikovanje modelov, predsodki,

Učni cilji

• Hiperparametri za melodijo
• Raziščite pristranskost modela

Pričakovana priprava

Gradivo za učne ure

• Praktični (HTML)
• Praktično (.ipynb)

Navodila za učitelje

To je 2,5-urni praktični program, kjer bodo učenci delali v skupinah po 3. Splošni cilj tega praktičnega dela je opredeliti pristranskost za ciljne skupine (kot je opredeljeno v ES ALTAI [1]). To velja tako za podatke kot za algoritme. Študenti morajo prepoznati in razpravljati o vseh pristranskostih, ki bi lahko vplivale na uporabnike modela. Gradnja zaupanja vrednih modelov vključuje globlje potope in razpravo ne le o tem, kako dober je vaš model, ampak tudi o tem, kje so njegove slabosti, ter biti pošten in vnaprejšnji pri predstavitvi meritev modela.

V ta namen bo ta praksa prosila študente, da raziščejo podatke in modelsko pristranskost z vidika ciljne skupine, da bi razpravljali o morebitnih in na metričnih vprašanjih, ki lahko nastanejo pri tem delu.

V naslednjem razdelku je opisan pregled nalog in razporejanje časa, ki bi ga morali študenti upoštevati. Spodnja opravila so povezana z razdelki, ki jih boste morali zagnati v tem zvezku, nekaj kode je odra, nekatere so predstavljene v celoti in včasih sploh ni kode. Za vsako nalogo je naveden opis. Obstaja nekaj odsekov, ki niso povezani, vendar jih je treba zagnati, na primer oddelek za uvoz.

Podatkovni niz:

Podatkovni nizi za poučevanje etične umetne inteligence (nabor podatkov Census)

Obris

Priznanja

Program Masters umetne inteligence, ki je bil vključen v človeka, je bil sofinanciran z instrumentom za povezovanje Evrope Evropske unije v okviru nepovratnih sredstev (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).

Učni načrt za SURF

Wikiwijs stran