Hallinnolliset tiedot
| Otsikko | Mallin asennus ja optimointi |
| Kesto | 150–180 min |
| Moduuli | A |
| Oppitunnin tyyppi | Käytännöllinen |
| Keskittyminen | Tekninen – tekoälyn perusteet |
| Aihe | Asennus ja optimointi |
Avainsanoja
mallin asennus, optimointi,binaarinen luokitus, regressio,
Oppimistavoitteet
- Visualisoi ja skaalaa ominaisuudet ja tarrat yksinkertaisesti luokitteluongelmaan.
- Käytä mittareita luokitusmallin arviointiin.
- Viritä hyperparametrit mallin suorituskyvyn parantamiseksi.
Odotettu valmistelu
Oppimistapahtumat valmistuvat ennen
Pakollinen opiskelijoille
- Opiskelijoilla pitäisi olla käytännön kokemusta python-ohjelmointi
- Opiskelijalla pitäisi olla hyvä ymmärrys tietojen etsintätekniikoista
- Opiskelijoiden olisi pitänyt käydä läpi luentoja ja esittelyjä mallityypeistä, malliarvioinnista, mallisovituksesta ja mallioptimoinnista
Valinnainen opiskelijoille
Ei mitään.
Referenssejä ja taustaa opiskelijoille
Ei mitään.
Suositellaan opettajille
- Koneoppimisen perusteet luento 6: Yliasennus (princeton.edu)
- Laillistaminen - Colaboratory (google.com)
- Underfit-Overfit - Colaboratory (google.com)
Oppituntimateriaalit
Ohjeita opettajille
Noudata Colabin vaiheita.
Luennon pääpiirteet
| Kesto (min) | Kuvaus | Aktiivisuus | Materiaali |
|---|---|---|---|
| 0–15 min | Lyhyt katsaus tehtäviin ja oppimistavoitteisiin | Luennoitsijan ohjeet | CoLab käytännön linkki luennoitsijalle |
| 15–40 min | Tehtävä 1 – Tutustu aineistoon – visualisoida ja tiivistää havainnot. Normalisoi ja merkitse kohdemuuttuja. | Raportointi – tietojen tutkiminen (bias, redundancy, eettinen) | |
| 40–75 min | Tehtävä 2 – Mallien arviointi – Juna- ja testitietoihin perustuva malliarviointi. | Koodaus | |
| 75–105 min | Tehtävä 3 – Mallioptimointi – Käytä hyperparametriviritystä ja muokkaa kynnystä suorituskyvyn parantamiseksi. | Koodaus | |
| 105–135 min | Tehtävä 4 – Mallioptimointi – Tehtävän 3 mallin suorituskyvyn yhdistäminen | Raportointi – Yhteenveto | |
| 135–150 min | Tiivistelmä käytännöllisistä | Luennoitsijan päätelmät |
Tunnustukset
Human-Centered AI Masters -ohjelmaa rahoitettiin Euroopan unionin Verkkojen Eurooppa -välineestä (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).