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

• Representational Alignment Supports Effective Machine Teaching [81.19197059407121]
  我々は,機械教育の知見と実践的なコミュニケーションを,表現的アライメントに関する文献と統合する。 教師の精度から表現的アライメントを遠ざける教師付き学習環境を設計する。
  論文  参考訳（メタデータ） (2024-06-06T17:48:24Z)
• Application-Driven Innovation in Machine Learning [56.85396167616353]
  機械学習におけるアプリケーション駆動研究のパラダイムについて述べる。 このアプローチがメソッド駆動の作業と生産的に相乗効果を示す。 このようなメリットにもかかわらず、マシンラーニングにおけるレビュー、採用、教育のプラクティスが、アプリケーション主導のイノベーションを後押しすることが多いことに気付きます。
  論文  参考訳（メタデータ） (2024-03-26T04:59:27Z)
• 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)
• 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)
• 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。