Lekcja 3: Tendencyjne dane to tendencyjne wyniki

Stwórz model uczenia maszynowego do klasyfikowania obrazów i zbadaj, w jaki sposób ograniczony zestaw danych może prowadzić do tendencyjności.

Cele dydaktyczne

  • Opisz wpływ danych na dokładność modelu uczenia maszynowego (ML)
  • Wyjaśnij potrzebę stosowania zarówno danych treningowych, jak i testowych
  • Wyjaśnij, jak tendencyjność może wpłynąć na przewidywania generowane przez model ML

Kluczowe terminy

Sztuczna inteligencja (AI), uczenie maszynowe (ML), uczenie nadzorowane, klasyfikacja, dane treningowe, dane testowe, dokładność, tendencyjność, tendencyjność danych, uprzedzenia społeczne

Struktura lekcji

  • Trzy różne rodzaje uczenia maszynowego
  • Aplikacja AI — supermarket
  • Trenowanie modelu
  • Tendencyjność
  • Model planu zajęć ucznia
  • Ograniczanie tendencyjności

Omówienie lekcji

Zezwolić na treści z serwisu YouTube?

Na naszej stronie korzystamy z serwisu YouTube do wyświetlania filmów. Przed wczytaniem treści zawsze prosimy o zgodę, ponieważ YouTube może używać plików cookie do śledzenia aktywności użytkowników i poprawy swoich usług.

Przed wyrażeniem zgody zapoznaj się z następującymi politykami Google: Polityka plików cookie i Polityka prywatności.

Zaakceptuj pliki cookie

Pobierz materiały do lekcji

Aby pobrać scenariusz lekcji, slajdy i ćwiczenia, zaloguj się lub utwórz bezpłatne konto w serwisie Raspberry Pi Foundation.
Następnie zadamy Ci kilka pytań, które pomogą nam zrozumieć, w jaki sposób wykorzystasz te materiały.