Moodul 1 - 4. tund: Eelpinge sisse, eelpinge välja

Õpilased uurivad, kuidas masinõppemudelites võib esineda eelarvamusi, mis on tingitud nende treenimiseks kasutatavatest andmetest. Nad loovad oma masinõppemudeli õunte ja tomatite piltide klassifitseerimiseks ning avastavad, kuidas piiratud andmestik võib viia kallutatud ja ebatäpsete ennustusteni. Lõpuks uurivad nad kahte tüüpi eelarvamusi, mis võivad treeningandmetes esineda.

Õpieesmärgid

  • Kirjeldage andmete mõju masinõppe mudeli täpsusele
  • Selgitage nii treening- kui ka testandmete vajadust
  • Selgitage, kuidas eelarvamused võivad mõjutada masinõppe mudeli loodud ennustusi

Põhisõnavara

Treeningandmed, testiandmed, täpsus, eelarvamused, andmete eelarvamused, ühiskondlik eelarvamused

Õppetunni ülesehitus

  • Klassifitseerimise andmetüübid
  • Supermarketi tehisintellekti rakendus
  • Eelarvamus
  • Valikuline: Sinu tulevane karjäär

Laadi alla õppetunni materjalid

Materjalide, slaidide ja tegevuste allalaadimiseks logi esmalt sisse või loo tasuta Raspberry Pi Foundationi konto.
Seejärel esitame sulle mõned küsimused, mis aitavad meil mõista, kuidas sa hakkad materjale kasutama.