[ta strona na wiki][index][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Praktyczne: Mocowanie i optymalizacja modelu

Informacje administracyjne

Tytuł Mocowanie i optymalizacja modelu
Czas trwania 150-180 min
Moduł A
Rodzaj lekcji Praktyczne
Skupienie Techniczne – podstawy sztucznej inteligencji
Temat Montaż i optymalizacja

Słowa kluczowe

dopasowanie modelu, optymalizacja, klasyfikacja binarna, regresja,

Cele w zakresie uczenia się

Oczekiwane przygotowanie

Wydarzenia edukacyjne, które należy ukończyć przed

Obowiązkowe dla studentów

  • Studenci powinni mieć praktyczne doświadczenie w programowaniu pytonowym
  • Studenci powinni mieć dobre zrozumienie technik eksploracji danych
  • Studenci powinni byli zapoznać się z wykładami i demonstracjami na tematy typów modeli, oceny modeli, montażu modeli i optymalizacji modelu

Opcjonalne dla studentów

Brak.

Referencje i tło dla studentów

Brak.

Zalecane dla nauczycieli

Materiały do lekcji

Instrukcje dla nauczycieli

Wykonaj kroki w Colab.

Zarys wykładu

Czas trwania (min) Opis Działalność Materiał
0-15 min Krótki przegląd zadań i celów edukacyjnych Instrukcje wykładowcy CoLab praktyczny link dla wykładowcy
15 – 40 min Zadanie 1 – Poznaj zestaw danych – Wizualizuj i podsumuj wyniki. Znormalizuj i oznacz zmienną docelową. Sprawozdawczość – badanie danych (przestępczość, redundancja, etyka)
40 – 75 min Zadanie 2 – Ocena modelu – ocena modelu na podstawie danych dotyczących pociągów i testów. Kodowanie
75 – 105 min Zadanie 3 – Optymalizacja modelu – Użyj strojenia hiperparametru i modyfikowania progu w celu poprawy wydajności. Kodowanie
105 – 135 min Zadanie 4 – Optymalizacja modelu – Podsumowanie wykonania modelu zadania 3 Sprawozdawczość – podsumowanie
135-150 min. Podsumowanie praktycznego Wnioski wykładowcy

Potwierdzenia

Program Masters zorientowany na człowieka został współfinansowany przez instrument „Łącząc Europę” Unii Europejskiej w ramach grantu CEF-TC-2020-1 Umiejętności cyfrowe 2020-EU-IA-0068.