Materialer

Til en del af materialerne findes en række videoer, hvor teorien forklares. Der er linket til de relevante videoer under de respektive materialer, men en samlet liste findes også her.

Perceptroner
Historisk set er forløberen til kunstige neurale netværk de såkaldte perceptroner. Vi vil her forklare, hvad en perceptron er, og vi vil se på opdateringsalgoritmerne percept…

Kunstige neuroner
Vi vil her beskrive kunstige neuroner, som er en udvidelse af den klassiske perceptron, men med den tilføjelse at vi her indfører en såkaldt aktiveringsfunktion. De kunstige…

Simple kunstige neurale netværk
Et generelt kunstigt neuralt netværk består af en masse neuroner, som er sat sammen i en række lag. Det kunne for eksempel se ud som i figur 1, hvor de grønne neuroner i…

Kunstige neurale netværk
Denne note giver en grundig gennemgang af matematikken bag kunstige neurale netværk.

Logistisk regression
I denne note skal vi se på logistisk regression. Måske har du allerede hørt begrebet "logistisk" i gymnasieundervisningen i forbindelse med logistisk vækst. Det er et helt…

Tabsfunktioner
I langt de fleste tilfælde sker træning af AI modeller ved at minimere en tabsfunktion. Lidt løst sagt kan man sige, at en tabsfunktion måler, hvor god en AI model er til at…

Overfitting, modeludvælgelse og krydsvalidering
Hvordan vælger man den bedste model til beskrivelse af data? Skal man bare vælge den mest komplicerede? Eller kan der mon gå noget galt? Det handler overfitting og…

Sensitivitet, specificitet, ROC-kurver og AUC
Langt de fleste algoritmer, som vi behandler her på siden, handler om, hvordan AI kan bruges til klassifikation. Det kan være alt fra at prædiktere, om man vil stemme på rød…

Funktioner af flere variable
En funktion kan godt afhænge af flere forskellige variable, og i det tilfælde taler man om en funktion af flere variable. Denne type af funktioner viser sig at spille en…

Gradientnedstigning
I denne note vil vi forklare hvad gradientnedstigning går ud på, og hvordan gradientnedstigning kan bruges i forbindelse med at bestemme minimum eller maksimum for en…

Naiv Bayes klassifier
Denne note handler om klassifikation ved hjælp af den metode, som kaldes for naiv Bayes.

Clustering med K-means
Når K-means metoden bruges, er målet at inddele nogle observationer i grupper, så observationerne i hver gruppe minder meget om hinanden.

Afstande og feature-skalering
Det er ikke altid helt klart, hvordan man skal bestemme afstanden mellem to datapunkter, hvis koordinaterne i hvert datapunkter beskriver vidt forskellige ting. Det er…
No matching items