Hallinnolliset tiedot
| Otsikko | Malli Kompressio |
| Kesto | 150 min |
| Moduuli | C |
| Oppitunnin tyyppi | Käytännöllinen |
| Keskittyminen | Tekninen – Tulevaisuuden tekoäly |
| Aihe | ML-mallien edistyminen HC-objektiivin läpi – tulosorientoitunut tutkimus |
Avainsanoja
mallin puristus, karsiminen, kvantisointi, tietämyksen tislaus,
Oppimistavoitteet
- Ymmärtää, miten mallipakkaustekniikoita toteutetaan
- Ymmärrä karsimisen, kvantifioinnin ja tietämyksen tislauksen edut
- Tutustu korkean tason kehykseen, kuten TensorFlow
Odotettu valmistelu
Oppimistapahtumat valmistuvat ennen
Pakollinen opiskelijoille
- Mallin pakkauskonseptien ja -tekniikoiden perusymmärrys
- Perusymmärrys siitä, miten kone- ja syväoppimismallien suorituskykyä voidaan arvioida (esim. tarkkuus, tarkkuus ja takaisinveto, F-pisteet)
- Python-ohjelmointikielen tuntemus
Valinnainen opiskelijoille
- TensorFlow-kehyksen tuntemus
Referenssejä ja taustaa opiskelijoille
- Koneoppimisen ja hermoverkkojen teorian tuntemus
Suositellaan opettajille
- TensorFlow-kehyksen ja Python-ohjelmointikielen tuntemus
- Antaa käytännön näkemys mallien pakkaustekniikoiden hyödyntämiseen tarvittavista täytäntöönpanoista
- Ehdota ponnahdusikkunoita
Oppituntimateriaalit
Ohjeita opettajille
- Anna lyhyt yleiskatsaus Tensorflow 2.x
- Käytä Google Colabia toimivana Jupyter-kannettavana käytännön sovelluksessa
- Opiskelijan on käytettävä kullekin tehtävälle varattua aikaa.
- Tehtävä 1 – Tehtävä 4 on suoritettava ennen kuin jäljellä olevat tehtävät on määritetty.
Oppitunnin pääpiirteet
| Kesto | Kuvaus | Käsitteet | Aktiivisuus | Materiaali |
|---|---|---|---|---|
| 0–10 min | Johdanto käytettyihin työkaluihin ja miten kädet likaantuvat sekunnissa | Työkalujen käyttöönotto | Johdanto päätyökaluihin | |
| 10–80 min | [Tehtävä 1 – Tehtävä 3] Kouluttaa malli ja sitten? Miten karsimista ja kvantifiointia sovelletaan työmalleihin ja verrataan suorituskykyä | Karsiminen & kvantisointi | Käytännön istunto ja työskentelyesimerkkejä | CoLab-muistikirja |
| 80–140 min | [Tehtävä 4 – Tehtävä 6] Milloin tiedon tislaus voisi olla hyödyllistä? Miten tislata tietoa opettajalta opiskelijalle | Tietämyksen tislaus | Käytännön istunto ja työskentelyesimerkkejä | CoLab-muistikirja |
| 140–150 min | Johtopäätökset, kysymykset ja vastaukset | Yhteenveto | Päätelmät |
Tunnustukset
- Rosario Catelli [CNR]
- Google Colabin materiaalit karsinnassa
- Google Colabin materiaalit tislauksessa
Human-Centered AI Masters -ohjelmaa rahoitettiin Euroopan unionin Verkkojen Eurooppa -välineestä (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).