Información administrativa
| Título | Montaje y optimización del modelo |
| Duración | 150-180 min |
| Módulo | A |
| Tipo de lección | Practico |
| Enfoque | Técnico — Fundamentos de la IA |
| Tema | Ajuste y optimización |
Keywords
montaje del modelo, optimización, clasificación binaria, regresión,
Objetivos de aprendizaje
- Visualice y amplíe las características y etiquetas para simplemente el problema de clasificación.
- Utilice las métricas para evaluar el modelo de clasificación.
- Ajuste los hiperparámetros para mejorar el rendimiento del modelo.
Preparación prevista
Eventos de aprendizaje que se completarán antes
Obligatorio para los estudiantes
- Los estudiantes deben tener experiencia práctica en programación python
- Los estudiantes deben tener una buena comprensión de las técnicas de exploración de datos
- Los estudiantes deben haber revisado conferencias y demostraciones sobre temas de tipos de modelos, evaluación de modelos, ajuste de modelos y optimización de modelos.
Opcional para estudiantes
Ninguno.
Referencias y antecedentes para estudiantes
Ninguno.
Recomendado para profesores
- Conceptos básicos de aprendizaje automático 6: Sobreajuste (princeton.edu)
- Regularización - Colaboratorio (google.com)
- Underfit-Overfit - Colaboratory (google.com)
Material didáctico
Instrucciones para profesores
Siga los pasos en el Colab.
Esquema de la conferencia
| Duración (min) | Descripción | Actividad | Material |
|---|---|---|---|
| 0-15 min | Una breve visión general de las tareas y los objetivos de aprendizaje | Instrucciones del profesor | CoLab enlace práctico para el profesor |
| 15-40 min | Tarea 1 — Explorar el conjunto de datos — Visualizar y resumir los hallazgos. Normalizar y etiquetar la variable de destino. | Notificación — investigación de datos (sesgo, redundancia, ética) | |
| 40-75 min | Tarea 2 — Evaluación de modelos — Evaluación de modelos basada en datos de trenes y ensayos. | Codificación | |
| 75-105 min | Tarea 3 — Optimización de modelos — Utilice la sintonización de hiperparámetros y modifique el umbral para mejorar el rendimiento. | Codificación | |
| 105-135 min | Tarea 4 — Optimización de modelos — Resumir el rendimiento del modelo de la Tarea 3 | Informe — Resumen | |
| 135-150 min | Resumen de la práctica | Conclusión del profesor |
Reconocimientos
El programa de maestría en IA centrada en el ser humano fue cofinanciado por el Mecanismo «Conectar Europa» de la Unión Europea en virtud de la subvención «CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068».