Celem laboratorium jest zapoznanie studentów z typowym procesem tworzenia modeli uczenia maszynowego w sztucznej inteligencji, na podstawie prostych algorytmów: regresji liniowej i logistycznej, z regularyzacją i bez.
Plan laboratorium:
- Krótkie wprowadzenie do bibliotek Numpy i Pandas, ładowanie i przetwarzanie danych tabelarycznych.
- Krótkie wprowadzenie do biblioteki Scikit-learn. Podstawowe czyszczenie danych, podział na zbiory treningowy i testowy.
- Problem regresji, regresja liniowa, stworzenie i wytrenowanie modelu.
- Ewaluacja modelu, metryki jakości w regresji, problemy przeuczenia i niedouczenia.
- Tuning hiperparametrów, walidacja skrośna.
- Problem klasyfikacji, regresja logistyczna, metryki jakości w klasyfikacji.
Zawartość laboratorium dostępna jest w notebooku.