1 modulis. 4 pamoka. Duomenų šališkumas

Mokiniai nagrinės, kaip mašininio mokymosi modeliuose gali atsirasti duomenų, naudojamų jiems mokyti, šališkumas. Jie sukurs savo mašininio mokymosi modelį obuolių ir pomidorų vaizdams klasifikuoti ir išsiaiškins, kaip ribotas duomenų rinkinys gali lemti šališkas ir netikslias prognozes. Galiausiai jie išnagrinės dviejų tipų šališkumą, kuris gali atsirasti apmokymo duomenyse.

Mokymosi tikslai

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

Pagrindinis žodynėlis

Mokymo duomenys, testavimo duomenys, tikslumas, šališkumas, duomenų šališkumas, socialinis šališkumas

Pamokos struktūra

  • Duomenų tipai klasifikavimui
  • DI taikomoji programa prekybos centrui
  • Šališkumas
  • Pasirinktinai – Tavo būsima karjera

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.