Administrative oplysninger
| Titel | Montering og optimering af modellen |
| Varighed | 150-180 min |
| Modul | A |
| Lektionstype | Praktisk |
| Fokus | Teknisk — Grundlæggelser af kunstig intelligens |
| Emne | Tilpasning og optimering |
Nøgleord
montering af model, optimering,binær klassificering, forringelse,
Læringsmål
- Visualiser og skaler funktionerne og etiketterne til blot klassificeringsproblemet.
- Brug målingerne til at evaluere klassifikationsmodellen.
- Tune hyperparametrene for at forbedre modellens ydeevne.
Forventet forberedelse
Læringsbegivenheder, der skal fuldføres før
Obligatorisk for studerende
- Studerende skal have hands-on erfaring i python programmering
- Studerende skal have en god forståelse af dataudforskningsteknikker
- Studerende skal have gennemgået foredrag og demonstration om emner af Modeltyper, Modelevaluering, Modelmontering og Modeloptimering
Valgfrit for studerende
Ingen.
Referencer og baggrund for studerende
Ingen.
Anbefalet til lærerne
- Machine Learning Basics Forelæsning 6: Overfitting (princeton.edu)
- Regulering — samarbejde (google.com)
- Underfit-Overfit - Colaboratory (google.com)
Undervisningsmaterialer
Instruktioner til lærerne
Følg trinene i Colab.
Oversigt over foredrag
| Varighed (min) | Beskrivelse | Aktivitet | Materiale |
|---|---|---|---|
| 0-15 min | Et kort overblik over opgaver og læringsmål | Instruktion fra underviseren | CoLab praktisk link til underviser |
| 15-40 min | Opgave 1 — Udforsk datasættet — visualisere og opsummere resultaterne. Normalisere og mærke målvariablen. | Rapportering — undersøgelse af data (bias, redundans, etisk) | |
| 40-75 min. | Opgave 2 — Modelevaluering — Modelevaluering baseret på tog- og testdata. | Kodning | |
| 75-105 min. | Opgave 3 — Modeloptimering — Brug hyperparameterindstilling og modificere tærsklen for at forbedre ydeevnen. | Kodning | |
| 105-135 min. | Opgave 4 — Modeloptimering — Opsummering af modellens ydeevne for opgave 3 | Rapportering — Sammenfattende | |
| 135-150 min | Resumé af den praktiske | Afslutning af foredragsholderen |
Anerkendelser
Programmet Human-Centered AI Masters blev samfinansieret af Connecting Europe-faciliteten i Den Europæiske Union under tilskud CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.