TDP033 Datacentrisk artificiell intelligens

Laboration M2: Gradient Descent

Förarbete inför labben: Läs i förväg igenom lab-texten för Overfit and Underfit. Det gäller generellt för alla labbar att ni kommer att behöva lägga mer tid på labbarna än de schemalagda labbtillfällena.

På laborationen: Kör igenom Overfit and Underfit i Google Colab.

Ett alternativ till ovanstående labb-sida är den som finns på Kaggle.

Besvara följande frågor:

1. Varför är underfitting inte önskvärt?
2. Förklara med egna ord vad overfitting orsakas av. M.a.o. vilka faktorer kan bidra till overfitting?
3. Motivera med egna ord varför dropout kan hjälpa mot overfitting
4. Förklara hur weight regularization går till, för en åhörare som precis har börjat lära sig om neurala nätverk.

Lämna in era svar i Lisam (i pdf-format). Denna labb måste vara klar innan nästa labb börjar enligt schemat i TimeEdit.

Sidansvarig: Rita Kovordanyi
Senast uppdaterad: 2026-03-11