Haldusteave
| Ametinimetus | Mudeli sisustamine ja optimeerimine |
| Kestus | 150–180 min |
| Moodul | A |
| Õppetunni liik | Praktiline |
| Keskendumine | Tehniline – AI alused |
| Teema | Paigaldamine ja optimeerimine |
Võtmesõnad
mudeli paigaldamine, optimeerimine,binaarne klassifikatsioon, regressioon,
Õpieesmärgid
- Visualiseerige ja skaleerige funktsioone ja silte lihtsalt klassifitseerimisprobleemi järgi.
- Klassifikatsioonimudeli hindamiseks kasutage mõõdikuid.
- Häälestage hüperparameetrid mudeli jõudluse parandamiseks.
Eeldatav ettevalmistamine
Õppeüritused, mis tuleb lõpetada enne
Kohustuslik õpilastele
- Õpilastel peaks olema praktiline kogemus python programmeerimises
- Õpilastel peaks olema hea arusaam andmete uurimise tehnikatest
- Õpilased peaksid olema läbi vaadanud loengud ja demonstratsioon teemadel Mudel tüübid, Mudel hindamine, Mudel Fitting ja Mudel optimeerimine
Valikuline õpilastele
Puudub.
Viited ja taust õpilastele
Puudub.
Soovitatav õpetajatele
- Masinõppe põhitõed 6: Ülepaigaldamine (princeton.edu)
- Seadustamine – koostöö (google.com)
- Alafit-Overfit - Koostöökeskus (google.com)
Õppematerjalid
Juhised õpetajatele
Järgige Colabi samme.
Loengu lühikokkuvõte
| Kestus (min) | Kirjeldus | Tegevus | Materjal |
|---|---|---|---|
| 0–15 min | Lühike ülevaade ülesannetest ja õpieesmärkidest | Õppejõu juhised | CoLab praktiline link lektorile |
| 15–40 min | Ülesanne 1 – uurida andmekogumit – Visualise ja järelduste kokkuvõte. Normaliseerida ja märgistada sihtmuutuja. | Aruandlus – andmete uurimine (algväärtused, koondamised, eetilised andmed) | |
| 40–75 min | Ülesanne – mudeli hindamine – rongi- ja katseandmetel põhinev mudelihindamine. | Kodeerimise | |
| 75–105 min | Ülesanne 3 – Mudeli optimeerimine – kasutage hüperparameetri häälestamist ja muutke läve, et parandada jõudlust. | Kodeerimise | |
| 105–135 min | Ülesanne 4 – mudeli optimeerimine – ülesande 3 mudeli jõudluse summeerimine | Aruandlus – kokkuvõte | |
| 135–150 min | Kokkuvõte praktilisest | Õppejõu järeldus |
Tunnustused
Inimkeskse tehisintellekti magistriprogrammi kaasfinantseeris Euroopa Liidu Ühendamise Rahastu toetusega CEF-TC-2020–1 „Digioskused 2020“-EU-IA-0068.