Informazioni amministrative
| Titolo | Montaggio e ottimizzazione del modello |
| Durata | 150-180 min |
| Modulo | A |
| Tipo di lezione | Pratico |
| Focus | Tecnico — Fondamenti dell'IA |
| Argomento | Montaggio e ottimizzazione |
Parole chiave
montaggio del modello, ottimizzazione, classificazione binaria, regressione,
Obiettivi di apprendimento
- Visualizzare e scalare le caratteristiche e le etichette semplicemente il problema di classificazione.
- Utilizzare le metriche per valutare il modello di classificazione.
- Sintonizzare gli iperparametri per migliorare le prestazioni del modello.
Preparazione prevista
Eventi di apprendimento da completare prima
Obbligatorio per gli studenti
- Gli studenti dovrebbero avere esperienza pratica nella programmazione python
- Gli studenti dovrebbero avere una buona comprensione delle tecniche di esplorazione dei dati
- Gli studenti dovrebbero avere recensito lezioni e dimostrazioni su argomenti di tipi di modello, valutazione del modello, montaggio del modello e ottimizzazione del modello
Facoltativo per gli studenti
Nessuno.
Referenze e background per gli studenti
Nessuno.
Consigliato per gli insegnanti
- Lezione di base di apprendimento automatico 6: Sovrapposizione (princeton.edu)
- Regolarizzazione - Colaboratori (google.com)
- Underfit-Overfit - Colaboratori (google.com)
Materiale didattico
Istruzioni per gli insegnanti
Segui i passaggi del Colab.
Schema della lezione
| Durata (min) | Descrizione | Attività | Materiale |
|---|---|---|---|
| 0-15 min | Una breve panoramica dei compiti e degli obiettivi di apprendimento | Istruzioni del docente | link pratico CoLab per docente |
| 15-40 min | Compito 1 — Esplora il set di dati — Visualizza e riassume i risultati. Normalizzare ed etichettare la variabile target. | Reportistica — indagine dei dati (bias, ridondanza, etica) | |
| 40-75 min | Task 2 — Valutazione del modello — Valutazione del modello basata sui dati del treno e del test. | Codifica | |
| 75-105 min | Task 3 — Ottimizzazione del modello — Usare la messa a punto dell'iperparametro e modificare la soglia per migliorare le prestazioni. | Codifica | |
| 105-135 min | Task 4 — Ottimizzazione del modello — Sommarizza le prestazioni del modello del Task 3 | Reportistica — Riepilogo | |
| 135-150 min | Sintesi della pratica | Conclusione del docente |
Riconoscimenti
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.