3 pamoka. Šališkumas – į, šališkumas – iš

Sukurkite mašininio mokymosi modelį, kad galėtumėte klasifikuoti vaizdus ir ištirti, kaip ribotas duomenų rinkinys gali lemti šališkumą.

Mokymosi tikslai

  • Apibūdinkite duomenų įtaką mašininio mokymosi (MM) modelio tikslumui

  • Paaiškinkite, kam reikalingi mokymo bei bandymo (testavimo) duomenys

  • Paaiškinkite, kaip šališkumas gali turėti įtakos MM modelio generuojamoms prognozėms

Pagrindinis žodynėlis

Dirbtinis intelektas (DI), mašininis mokymasis (MM), prižiūrimas mokymasis, klasifikacija (klasifikavimas), mokymo duomenys, bandymo (testavimo) duomenys, tikslumas, šališkumas, duomenų šališkumas, socialinis šališkumas

Pamokos struktūra

  • Trys skirtingi mašininio mokymosi tipai

  • Prekybos centro DI taikomoji programa

  • Modelio mokymas

  • Šališkumas

  • Mokinio tvarkaraščio modelis

  • Šališkumo mažinimas

Pamokos apžvalga

Atsisiųsti pamokos mokomąsias priemones

Norėdami atsisiųsti pamokos planą, skaidres ir užduotis, pirmiausia prisijunkite prie nemokamos „Raspberry Pi Foundation“ paskyros arba ją susikurkite.
Tada užduosime jums keletą klausimų, kad geriau suprastume, kaip naudosite mokomąsias priemones.