Informations administratives
| Titre | Montage et optimisation du modèle |
| Durée | 150-180 min |
| Module | A |
| Type de leçon | Pratique |
| Focus | Technique — Fondements de l’IA |
| Sujet | Ajustement et optimisation |
Mots-clés
montage du modèle, optimisation, classification binaire, régression,
Objectifs d’apprentissage
- Visualisez et mettez à l’échelle les caractéristiques et les étiquettes en fonction du problème de classification.
- Utilisez les mesures pour évaluer le modèle de classification.
- Réglez les hyperparamètres pour améliorer les performances du modèle.
Préparation prévue
Événements d’apprentissage à compléter avant
Obligatoire pour les étudiants
- Les étudiants devraient avoir une expérience pratique de la programmation python
- Les étudiants doivent avoir une bonne compréhension des techniques d’exploration de données
- Les étudiants devraient avoir passé en revue des conférences et des démonstrations sur des sujets tels que les types de modèles, l’évaluation des modèles, l’ajustement des modèles et l’optimisation des modèles.
Optionnel pour les étudiants
Aucun.
Références et antécédents pour les étudiants
Aucun.
Recommandé pour les enseignants
- Cours de base sur l’apprentissage automatique 6: Surfitting (princeton.edu)
- Régularisation - Colaboratoire (google.com)
- Underfit-Overfit - Colaboratoire (google.com)
Matériel de leçon
Instructions pour les enseignants
Suivez les étapes dans le Colab.
Aperçu de la conférence
| Durée (min) | Description | Activité | Matériel |
|---|---|---|---|
| 0-15 min | Un bref aperçu des tâches et des objectifs d’apprentissage | Instructions du conférencier | CoLab lien pratique pour conférencier |
| 15-40 min | Tâche 1 — Explorer l’ensemble de données — Visualiser et résumer les résultats. Normaliser et étiqueter la variable cible. | Reporting — investigation des données (biais, redondance, éthique) | |
| 40-75 min | Tâche 2 — Évaluation du modèle — Évaluation du modèle fondée sur les données des trains et des essais. | Codage | |
| 75-105 min | Tâche 3 — Optimisation du modèle — Utilisez le réglage hyperparamètre et modifiez le seuil pour améliorer les performances. | Codage | |
| 105-135 min | Tâche 4 — Optimisation du modèle — Résumez les performances du modèle de la tâche 3 | Rapport — Résumé | |
| 135-150 min | Résumé de la pratique | Conclusion par le conférencier |
Remerciements
Le programme de master IA centré sur l’humain a été cofinancé par le mécanisme pour l’interconnexion en Europe de l’Union européenne dans le cadre de la subvention CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.