Upravne informacije
| Naslov | Opremljanje in optimizacija modela |
| Trajanje | 150–180 min |
| Modul | A |
| Vrsta lekcije | Praktična |
| Osredotočenost | Tehnični – temelji umetne inteligence |
| Tema | Vgradnja in optimizacija |
Ključne besede
montaža modela, optimizacija,binarna klasifikacija, regresija,
Učni cilji
- Vizualizirajte in razširite funkcije in oznake na preprosto težavo s klasifikacijo.
- Uporabite metrike za vrednotenje klasifikacijskega modela.
- Prilagodite hiperparametre za izboljšanje učinkovitosti modela.
Pričakovana priprava
Učenje Dogodki, ki jih je treba dokončati pred
Obvezno za študente
- Študenti bi morali imeti praktične izkušnje v python programiranju
- Študenti morajo dobro poznati tehnike raziskovanja podatkov.
- Študenti bi morali pregledati predavanja in predstavitve o temah vrst modelov, vrednotenja modelov, opremljanja modelov in optimizacije modelov.
Neobvezno za študente
Nobenega.
Reference in ozadje za študente
Nobenega.
Priporočeno za učitelje
- Osnove strojnega učenja Predavanje 6: Prekomerno opremljanje (princeton.edu)
- Kolaboratorij (google.com)
- Nezadostno prileganje – kolaboratorij (google.com)
Gradivo za učne ure
Navodila za učitelje
Sledite korakom v Colabu.
Opis predavanja
| Trajanje (min) | Opis | Aktivnost | Material |
|---|---|---|---|
| 0–15 min | Kratek pregled nalog in učnih ciljev | Navodila predavatelja | CoLab praktična povezava za predavatelja |
| 15–40 min | Naloga 1 – Raziščite nabor podatkov – vizualizirajte in povzemite ugotovitve. Normalizirajte in označite ciljno spremenljivko. | Poročanje – preiskava podatkov (pristranskost, odpuščanje, etično) | |
| 40–75 min | Naloga 2 – Vrednotenje modela – Vrednotenje modela na podlagi podatkov vlaka in preskusa. | Kodiranje | |
| 75–105 min | Naloga 3 – Optimizacija modela – Uporabite nastavitev hiperparametrov in spremenite prag za izboljšanje učinkovitosti. | Kodiranje | |
| 105–155 min | Naloga 4 – Optimizacija modela – Povzetek uspešnosti modela 3. | Poročanje – povzetek | |
| 135–150 min | Povzetek praktičnih | Zaključek predavatelja |
Priznanja
Program Masters umetne inteligence, ki je bil vključen v človeka, je bil sofinanciran z instrumentom za povezovanje Evrope Evropske unije v okviru nepovratnih sredstev (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).