論文の概要: Integrating machine learning concepts into undergraduate classes
- arxiv url: http://arxiv.org/abs/2211.06491v1
- Date: Wed, 9 Nov 2022 23:28:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-20 13:34:15.705414
- Title: Integrating machine learning concepts into undergraduate classes
- Title(参考訳): 機械学習の概念を大学院に組み込む
- Authors: Chinmay Sahu, Blaine Ayotte, Mahesh K. Banavar
- Abstract要約: 機械学習は現在、いくつかのカリキュラムで上級レベルのセレクティブとして提供されている。
機械学習の概念と実践的応用への露出は、機械学習に関連する問題に取り組む準備ができている労働者の創出を支援する。
学生は、サイド・バイ・サイド・ラーニング・アプローチを好んでいるが、数値的な比較から、ワークショップ・アプローチが学生の学習に有効である可能性が示唆された。
- 参考スコア(独自算出の注目度): 4.917075909999549
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this innovative practice work-in-progress paper, we compare two different
methods to teach machine learning concepts to undergraduate students in
Electrical Engineering. While machine learning is now being offered as a
senior-level elective in several curricula, this does not mean all students are
exposed to it. Exposure to the concepts and practical applications of machine
learning will assist in the creation of a workforce ready to tackle problems
related to machine learning, currently a hot topic in industry. Preliminary
assessments indicate that this approach promotes student learning. While
students prefer the proposed side-by-side teaching approach, numerical
comparisons show that the workshop approach may be more effective for student
learning, indicating that further work in this area is required.
- Abstract(参考訳): 本論文では,電気工学の学部生を対象に,機械学習の概念を教える2つの方法を比較した。
機械学習は現在、いくつかのカリキュラムでシニアレベルの選択語として提供されているが、すべての学生がそれにさらされているわけではない。
機械学習の概念と実践的応用への露出は、現在業界でホットなトピックである機械学習に関わる問題に取り組む準備ができている労働者の創出を支援する。
予備評価は、このアプローチが学生の学習を促進することを示している。
学生は,提案する傍側教育アプローチを好んでいるが,数値比較により,学生の学習にワークショップアプローチがより効果的である可能性が示唆され,この領域でのさらなる作業が必要であることが示唆された。
関連論文リスト
- A Machine Learning system to monitor student progress in educational
institutes [0.0]
本稿では、機械学習技術を用いて、クレジットスコアと呼ばれる分類器を生成するデータ駆動手法を提案する。
信用スコアを進捗指標として使うという提案は、学習管理システムで使うのに適している。
論文 参考訳(メタデータ) (2022-11-02T08:24:08Z) - Explainability in Machine Learning: a Pedagogical Perspective [9.393988089692947]
我々は、学習過程を構造化して、学生や研究者に機械学習の知識をより多く与える方法について、教育学的視点を提供する。
各種不透明かつ透明な機械学習モデルの利点と欠点について論じる。
我々はまた、学生がどんな機械学習アプリケーションと並行して説明可能性を使うことを学ぶのを助けるために、潜在的な課題を構築する方法についても論じる。
論文 参考訳(メタデータ) (2022-02-21T16:15:57Z) - TecCoBot: Technology-aided support for self-regulated learning [52.77024349608834]
自己学習活動は、学習成果の達成への活動の程度と自己学習活動の貢献を高めることができる。
特に世界的なパンデミックの時代には、学生が既に技術強化された材料、プロセス、デジタルプラットフォームを使っている家庭で、自己学習活動がますます活発に行われている。
論文 参考訳(メタデータ) (2021-11-23T13:50:21Z) - Iterative Teacher-Aware Learning [136.05341445369265]
人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。
本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
論文 参考訳(メタデータ) (2021-10-01T00:27:47Z) - Distribution Matching for Machine Teaching [64.39292542263286]
機械学習の逆問題である機械学習は、学習者の目標仮説に向けて学習者を操ることを目的としている。
機械教育に関するこれまでの研究は、それらの最良の指導例を見つけるための教育のリスクとコストのバランスに重点を置いていた。
本稿では,分布マッチングに基づく機械教育戦略を提案する。
論文 参考訳(メタデータ) (2021-05-06T09:32:57Z) - SELM: Software Engineering of Machine Learning Models [0.19116784879310023]
本稿では,機械学習モデルのソフトウェア工学のためのSELMフレームワークについて述べる。
SELMフレームワークを使うことで、機械学習プロセスの効率を改善し、学習の精度を高めることができる。
この問題は、機械学習に対する学際的アプローチの重要性を強調している。
論文 参考訳(メタデータ) (2021-03-20T21:43:24Z) - Learning Student-Friendly Teacher Networks for Knowledge Distillation [50.11640959363315]
本研究では,教師から学生への暗黒知識の伝達を容易にする新しい知識蒸留手法を提案する。
事前教育を受けた教師に与えた学習モデルの効果的な学習方法のほとんどとは対照的に,学生に親しみやすい教師モデルを学ぶことを目的とする。
論文 参考訳(メタデータ) (2021-02-12T07:00:17Z) - Dual Policy Distillation [58.43610940026261]
教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。
本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。
この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
論文 参考訳(メタデータ) (2020-06-07T06:49:47Z) - Neural Multi-Task Learning for Teacher Question Detection in Online
Classrooms [50.19997675066203]
教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。
マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
論文 参考訳(メタデータ) (2020-05-16T02:17:04Z) - Machine Education: Designing semantically ordered and ontologically
guided modular neural networks [5.018156030818882]
まず、機械教育と教育に関する選択された試みについて論じる。
次に、人的教育から構造へ理論と方法論を結合させ、機械教育の授業設計における中核的な問題を数学的に定義する。
論文 参考訳(メタデータ) (2020-02-07T09:43:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。