Διοικητικές πληροφορίες
| Τίτλος | Πρότυπο συμπίεσης |
| Διάρκεια | 150 λεπτά |
| Ενότητα | Γ |
| Είδος μαθήματος | Πρακτική |
| Εστίαση | Τεχνική — Μελλοντική ΤΝ |
| Θέμα | Εξελίξεις στα μοντέλα ML μέσω ενός φακού HC — Μια μελέτη προσανατολισμένη στα αποτελέσματα |
Λέξεις-κλειδιά
μοντέλο συμπίεσης, κλάδεμα, κβαντισμός, απόσταξη γνώσης,
Μαθησιακοί στόχοι
- Κατανοήστε πώς να εφαρμόσετε τεχνικές συμπίεσης μοντέλων
- Αξιοποιήστε τα πλεονεκτήματα του κλαδέματος, της κβαντικοποίησης και της απόσταξης γνώσης
- Εξοικείωση με ένα πλαίσιο υψηλού επιπέδου όπως το TensorFlow
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
- Βασική κατανόηση των εννοιών και τεχνικών συμπίεσης μοντέλων
- Βασική κατανόηση του τρόπου με τον οποίο μπορούν να αξιολογηθούν οι επιδόσεις των μοντέλων μηχανικής και βαθιάς μάθησης (π.χ. ακρίβεια, ακρίβεια και ανάκληση, βαθμολογία F)
- Γνώση της γλώσσας προγραμματισμού Python
Προαιρετικό για Φοιτητές
- Γνώση του πλαισίου TensorFlow
Αναφορές και υπόβαθρο για τους μαθητές
- Γνώση της μηχανικής μάθησης και της θεωρίας των νευρωνικών δικτύων
Συνιστάται για εκπαιδευτικούς
- Ανάκληση γνώσης του πλαισίου TensorFlow και της γλώσσας προγραμματισμού Python
- Παροχή πρακτικής άποψης σχετικά με τις εφαρμογές που απαιτούνται για τη μόχλευση των τεχνικών συμπίεσης μοντέλων
- Προτείνετε αναδυόμενα κουίζ
Υλικό μαθήματος
Οδηγίες για τους εκπαιδευτικούς
- Δώστε μια σύντομη επισκόπηση του Tensorflow 2.x
- Χρησιμοποιήστε το Google Colab ως λειτουργικό σημειωματάριο Jupyter για πρακτική εφαρμογή
- Οι μαθητές πρέπει να χρησιμοποιούν τον προβλεπόμενο χρόνο που διατίθεται για κάθε εργασία.
- Η εργασία 1 στην εργασία 4 θα πρέπει να ολοκληρωθεί πριν από την ανάθεση των υπόλοιπων εργασιών.
Περιγραφή του μαθήματος
| Διάρκεια | Περιγραφή | Έννοιες | Δραστηριότητα | Υλικό |
|---|---|---|---|---|
| 0-10 λεπτά | Εισαγωγή στα εργαλεία που χρησιμοποιούνται και πώς να κάνουν τα χέρια βρώμικα σε ένα δευτερόλεπτο | Εισαγωγή εργαλείων | Εισαγωγή στα κύρια εργαλεία | |
| 10-80 λεπτά | [Εργασία 1 — Εργασία 3] Εκπαίδευση ενός μοντέλου και στη συνέχεια; Πώς να εφαρμόσετε το κλάδεμα και τον κβαντισμό στα μοντέλα εργασίας και να συγκρίνετε τις επιδόσεις | Κλάδεμα & Quantization | Πρακτική συνεδρίαση και παραδείγματα εργασίας | Σημειωματάριο CoLab |
| 80-140 λεπτά | [Εργασία 4 — Εργασία 6] Πότε θα μπορούσε να είναι χρήσιμη η απόσταξη γνώσης; Πώς να αποστάζετε τη γνώση από δάσκαλο σε μαθητή | Απόσταξη γνώσης | Πρακτική συνεδρίαση και παραδείγματα εργασίας | Σημειωματάριο CoLab |
| 140-150 λεπτά | Συμπέρασμα, ερωτήσεις και απαντήσεις | Περίληψη | Συμπεράσματα |
Αναγνωρίσεις
- Ροζάριο Κατέλι [CNR]
- Google Colab υλικό για το κλάδεμα
- Google Colab υλικά για την απόσταξη
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.