[αυτή η σελίδα στο wiki][δείκτης][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Φροντιστήριο: Αξιολόγηση του υποδείγματος

Διοικητικές πληροφορίες

Τίτλος Αξιολόγηση του υποδείγματος
Διάρκεια 60
Ενότητα Α
Είδος μαθήματος Φροντιστήριο
Εστίαση Τεχνικά — Ιδρύματα τεχνητής νοημοσύνης
Θέμα Τα θεμέλια της τεχνητής νοημοσύνης

Λέξεις-κλειδιά

αξιολόγηση μοντέλου, διασταυρούμενη επικύρωση, βελτιστοποίηση υπερπαράμετρου,

Μαθησιακοί στόχοι

Αναμενόμενη προετοιμασία

Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν

Υποχρεωτικό για τους φοιτητές

Καμία.

Προαιρετικό για Φοιτητές

Καμία.

Αναφορές και υπόβαθρο για τους μαθητές

Καμία.

Συνιστάται για εκπαιδευτικούς

Καμία.

Υλικό μαθήματος

Οδηγίες για τους εκπαιδευτικούς

Προετοιμάστε ένα περιβάλλον σημειωματάριου Jupyter με πακέτα pandas, matplotlib, numpy και scikit-μάθεις

Σχεδιάγραμμα/χρονοδιάγραμμα

Διάρκεια (ελάχ.) Περιγραφή Έννοιες
5 Εισαγωγή στην αξιολόγηση μοντέλων εμπειρικό σφάλμα, απόδοση πρόβλεψης και γενίκευσης
5 Εκπαίδευση ενός απλού ταξινομητή MLP, υπερπαράμετροι
10 Αξιολόγηση ενός ταξινομητή πίνακας σύγχυσης, ακρίβεια, TPR, FPR, ακρίβεια, ποσοστό εσφαλμένης ταξινόμησης, βαθμολογία F1
10 Καμπύλες Roc/PR και η ερμηνεία τους όριο απόφασης, καμπύλη ROC, καμπύλη PR, AUC
10 Ανεφοδιασμός και υπερπροσαρμογή σφάλμα κατάρτισης και δοκιμής
10 Διασταυρούμενη επικύρωση και βελτιστοποίηση υπερπαραμέτρου σύνολο επικύρωσης, σφάλμα επικύρωσης, πενταπλάσια διασταυρούμενη επικύρωση
10 Αξιολόγηση μοντέλων παλινδρόμησης MSE, RMSE, MAE

Αναγνωρίσεις

Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.