Administratieve informatie
| Titel | Modelmontage en optimalisatie |
| Looptijd | 150-180 min |
| Module | A |
| Type les | Praktisch |
| Focus | Technisch — Stichtingen van AI |
| Onderwerp | Montage en optimalisatie |
Sleutelwoorden
modelmontage, optimalisatie,binaire classificatie, regressie,
Leerdoelen
- Visualiseer en schaal de functies en labels om simpelweg het classificatieprobleem.
- Gebruik de metrics om het classificatiemodel te evalueren.
- Stem de hyperparameters af om de prestaties van het model te verbeteren.
Verwachte voorbereiding
Leren van gebeurtenissen die moeten worden voltooid voordat
Verplicht voor studenten
- Studenten moeten hands-on ervaring hebben in python programmeren
- Studenten moeten een goed begrip hebben van data-exploratietechnieken
- Studenten moeten lezingen en demonstraties hebben beoordeeld over onderwerpen van modeltypes, modelevaluatie, modelmontage en modeloptimalisatie
Optioneel voor studenten
Geen.
Referenties en achtergronden voor studenten
Geen.
Aanbevolen voor docenten
- Basisonderwijs voor machine learning 6: Overfitting (princeton.edu)
- Regularisatie - Colaboratorium (google.com)
- Underfit-Overfit - Colaboratorium (google.com)
Lesmateriaal
Instructies voor docenten
Volg de stappen in de Colab.
Overzicht van de lezing
| Duur (min) | Omschrijving | Activiteit | Materiaal |
|---|---|---|---|
| 0-15 min | Een kort overzicht van de taken en leerdoelen | Instructies van de docent | CoLab praktische link voor docent |
| 15-40 min | Taak 1 — Verken de dataset — Visualiseer en vat de bevindingen samen. Normaliseren en labelen van de doelvariabele. | Rapportage — onderzoek van gegevens (bias, redundantie, ethisch) | |
| 40-75 min. | Taak 2 — Modelevaluatie — Modelevaluatie op basis van trein- en testgegevens. | Codering | |
| 75-105 min | Taak 3 — Modeloptimalisatie — Gebruik hyperparameter tuning en pas de drempel aan om de prestaties te verbeteren. | Codering | |
| 105-135 min. | Taak 4 — Modeloptimalisatie — Samenvatting van de modelprestaties van taak 3 | Rapportage — Samenvatting | |
| 135-150 min | Samenvatting van de praktische | Conclusie van de docent |
Erkenningen
Het Human-Centered AI Masters-programma werd mede gefinancierd door de Connecting Europe Facility van de Europese Unie in het kader van de subsidie CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.