3 pamoka. Duomenų šališkumas

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

Mokymosi tikslai

  • Apibūdinkite duomenų įtaką mašininio mokymosi (MM) modelio tikslumui
  • Paaiškinkite, kam reikalingi apmokymo bei testavimo duomenys
  • Paaiškinkite, kaip šališkumas gali turėti įtakos MM modelio generuojamoms prognozėms

Pagrindinis žodynėlis

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

Pamokos struktūra

  • Trys skirtingi mašininio mokymosi tipai
  • DI taikomoji programa prekybos centrui
  • Modelio apmokymas
  • Šališkumas
  • Mokinio tvarkaraščio modelis
  • Šališkumo mažinimas

Pamokos apžvalga

Allow YouTube content?

We use YouTube to show you videos on our website. We ask permission before loading the content, as YouTube may be using cookies to help them track usage and improve their services.

You may wish to read Google's Cookie Policy and Privacy Policy before accepting.

Accept Cookies

Atsisiųsti pamokos mokomąsias priemones

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