Adminisztratív információk
| Cím | Modellszerelvény és optimalizálás |
| Időtartam | 150–180 perc |
| Modul | A |
| Lecke típusa | Praktikus |
| Fókusz | Technikai – A mesterséges intelligencia alapjai |
| Téma | Szerelés és optimalizálás |
Kulcsszó
modellillesztés, optimalizálás, bináris osztályozás, regresszió,
Tanulási célok
- Vizualizálja és skálázza a funkciókat és címkéket egyszerűen az osztályozási problémára.
- Használja a mutatókat az osztályozási modell értékeléséhez.
- Hangolja be a hiperparamétereket a modell teljesítményének javítása érdekében.
Várható előkészítés
Az előtt befejezendő tanulási események
Kötelező a diákok számára
- A diákoknak gyakorlati tapasztalattal kell rendelkezniük a python programozásban
- A hallgatóknak jól meg kell érteniük az adatfelderítési technikákat
- A hallgatóknak át kell tekinteniük az előadásokat és a bemutatókat a modelltípusok, a modellértékelés, a modellszerelvény és a modelloptimalizálás témáiról
Választható diákok számára
Egy sem.
Referenciák és háttér a diákok számára
Egy sem.
Ajánlott tanároknak
- Gépi tanulás alapjai 6. előadás: Overfitting (princeton.edu)
- Rendezés – Együttműködés (google.com)
- Underfit-Overfit – Együttműködés (google.com)
Leckeanyagok
Utasítások tanároknak
Kövesse a Colab lépéseit.
Az előadás vázlata
| Időtartam (perc) | Leírás | Tevékenység | Anyag |
|---|---|---|---|
| 0–15 perc | Rövid áttekintés a feladatokról és a tanulási célokról | Az előadó utasításai | CoLab gyakorlati link az előadó számára |
| 15–40 perc | Feladat – Fedezze fel az adatkészletet – Az eredmények megjelenítése és összefoglalása. Normalizálja és címkézi a célváltozót. | Jelentéstétel – adatok vizsgálata (torzulás, redundancia, etikusság) | |
| 40–75 perc | 2. feladat – Modellértékelés – Vonat- és tesztadatokon alapuló modellértékelés. | Kódolás | |
| 75–105 perc | 3. feladat – Modelloptimalizálás – A hiperparaméter hangolása és a küszöbérték módosítása a teljesítmény javítása érdekében. | Kódolás | |
| 105–135 perc | 4. feladat – Modelloptimalizálás – Összefoglalja a 3. feladat modellteljesítményét | Jelentés – Összefoglaló | |
| 135–150 perc | A gyakorlat összefoglalása | Az előadó következtetése |
Visszaigazolások
A Human-Centered AI Masters programot az Európai Unió Európai Hálózatfinanszírozási Eszköze (CEF-TC-2020–1 Digitális készségek 2020 EU-IA-0068) társfinanszírozta.