Informații administrative
| Titlu | Sesiune de laborator: SVM și Kernels |
| Durată | 2x45 |
| Modulul | A |
| Tipul lecției | Practică |
| Focalizare | Practică – Modelarea IA |
| Subiect | Modelarea IA |
Cuvinte cheie
suport vector mașină, kernel funcție,RBF, complexitate model,
Obiective de învățare
- Pentru a putea proiecta și utiliza un SVM liniar
- Pentru a putea proiecta un anunț, utilizați un SVM neliniar, utilizând un nucleu
- Pentru a proiecta și optmiza un SVM (abordare manuală)
Pregătirea preconizată
Evenimente de învățare care urmează să fie finalizate înainte
Obligatoriu pentru studenți
- Recenzie de bază Python.
- Revizuirea utilizării modelelor scikit-learn.
Opțional pentru studenți
Nici unul.
Referințe și context pentru studenți
- Mâinile pe Machine Learning cu Scikit-Learn și Tensorflow de Aurélién Géron
- Introducere în învățarea mașinilor cu Python de Andreas C. Müller și Sarah Guido
- Curs Udemy – Machine Learning – A Z de Kirill Eremenko și Hadelin de Ponteves
- Curs Udemy – Ingineria caracteristicilor pentru învățarea mașinilor de Soledad Galli
- Suport-vector mașină pe wikipedia
- https://www.datacamp.com/community/tutorials/svm-classification-scikit-learn-python
- http://dataaspirant.com/2017/01/13/support-vector-machine-algorithm/
- https://www.ritchieng.com/machine-learning-evaluate-classification-model/
- https://en.wikipedia.org/wiki/Kernel_method
- https://en.wikipedia.org/wiki/Polynomial_kernel
- https://en.wikipedia.org/wiki/Radial_basis_function_kernel
- https://data-flair.training/blogs/svm-kernel-functions/
Recomandat pentru profesori
- O revizuire a modului în care sunt parametrizate funcțiile panda și scikit-learn utilizate în notebook.
Materiale de lecție
Instrucțiuni pentru profesori
Acest eveniment de învățare constă în sarcini de laborator care vor fi rezolvate de către elevi cu ajutorul instructorului de conducere.
Pregătiți un mediu notebook cu numpy, matplotlib, sns și scikit-learn instalate.
Schiță/program de timp
| Durată (min) | Descriere | Concepte |
|---|---|---|
| 5 | Prezentare succintă a sarcinilor care trebuie îndeplinite | |
| 25 | Explorarea și preprocesarea datelor | descrierea datelor, valorile lipsă, distribuțiile caracteristicilor, detectarea valorilor aberante |
| 30 | Montarea modelelor SVM | scalarea datelor, SVM liniar, RBF, complexitatea modelului |
| 30 | Evaluarea modelului | optimizarea hiperparametrului, submontarea, supraadaptarea, curba ROC |
Confirmări
Programul de masterat AI centrat pe om a fost cofinantat de Mecanismul pentru interconectarea Europei al Uniunii Europene sub Grantul CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.