Informazioni amministrative
| Titolo | Modello di valutazione |
| Durata | 60 |
| Modulo | A |
| Tipo di lezione | Esercitazione |
| Focus | Tecnico — Fondamenti dell'IA |
| Argomento | Fondamenti dell'IA |
Parole chiave
valutazione del modello, cross-validation, ottimizzazione iperparametrica,
Obiettivi di apprendimento
- Gli studenti capiscono la necessità di una valutazione sistematica del modello
- Gli studenti capiscono la differenza tra set di formazione, test e convalida
- Gli studenti conoscono le metriche di performance più ampiamente applicate
- Gli studenti sono in grado di riconoscere il sottoadattamento e l'overfitting
- Gli studenti sono in grado di progettare esperimenti di cross-validation per l'ottimizzazione dell'iperparametro
Preparazione prevista
Eventi di apprendimento da completare prima
Obbligatorio per gli studenti
Nessuno.
Facoltativo per gli studenti
Nessuno.
Referenze e background per gli studenti
Nessuno.
Consigliato per gli insegnanti
Nessuno.
Materiale didattico
Istruzioni per gli insegnanti
Preparare un ambiente notebook Jupyter con pacchetti panda, matplotlib, numpy e scikit-learn
Schema/orario
| Durata (min) | Descrizione | Concetti |
|---|---|---|
| 5 | Introduzione alla valutazione del modello | errore empirico, performance predittiva e generalizzazione |
| 5 | Formazione di un semplice classificatore | MLP, iperparametri |
| 10 | Valutazione di un classificatore | matrice di confusione, precisione, TPR, FPR, precisione, tasso di classificazione errata, punteggio F1 |
| 10 | Curve Roc/PR e loro interpretazione | confine decisionale, curva ROC, curva PR, AUC |
| 10 | Sottomontaggio e sovraccarico | errore di addestramento e test |
| 10 | Cross-validation e ottimizzazione dell'iperparametro | set di convalida, errore di convalida, convalida incrociata di 5 volte |
| 10 | Valutazione dei modelli di regressione | MSE, RMSE, MAE |
Riconoscimenti
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.