| NR ZAJĘĆ | DATA | TEMAT | ODDANIE ZADANIA |
ROZPOCZĘCIE ZADANIA | PUNKTY |
|---|---|---|---|---|---|
| 1 | 24-02-2022 | Wstęp do zajęć, oraz omówienie projektów i popularnych jounali | KM1 Zapoznanie się z danymi i wykonanie EDA |
6 pkt | |
| 2 | 03-03-2022 | Exploratory data analysis (EDA) | PD1 Wykonanie EDA |
3 pkt | |
| 3 | 10-03-2022 | Przypomnienie podstaw ML | PD1 | ||
| 4 | 17-03-2022 | Omówienie modeli drzewiastych | KM1 | KM2 Przygotowanie danych i wyszkolenie wstępnych modeli ML |
10 pkt |
| 5 | 24-03-2022 | Drzewa wzmocnione gradientowo | PD2 Wykorzystanie modelu drzewiastego i wzmocnionego gradientem |
3 pkt | |
| 6 | 31-03-2022 | Prezentacja EDA | PD2 | ||
| 7 | 07-04-2022 | Prezentacja modeli | KM2 | KM3 Dostrojenie i diagnostyka modeli |
10 pkt |
| 8 | 14-04-2022 | Dokładniejsze spojrzenie na metryki | PD3 Zapoznanie się z 2 problemami i zaproponowanie odpowiednich metryk ewaluacji wyniku |
3 pkt | |
| 9 | 21-04-2022 | Diagnostyka modeli | PD3 | ||
| 10 | 28-04-2022 | Reprodukowalność artykułów ML | KM3 | KM4 XAI - wyjaśnienie działania modeli |
10 pkt |
| 11 | 05-05-2022 | XAI | PD4 Wytrenowanie modelu z wykorzystaniem XAI |
3 pkt | |
| 12 | 19-05-2022 | Omówienie ciekawych artykułów naukowych | PD4 | ||
| 13 | 26-05-2022 | Prezentacja XAI | KM 4 | ||
| 14 | 02-06-2022 | Prezentacja projektu | Prezentacja podsumowująca projekt | ||
| 15 | 09-06-2022 | Podsumowanie przedmiotu | Raport końcowy |
- Raport końcowy [0-32 punktów]:
- wstęp, motywacja [0-8 punktów]
- literatura [0-2 punktów]
- główne wyniki pracy [0-10 punktów]
- wnioski [0-8 punktów]
- jakość wykresów/wizualizacji/diagramów [0-4 punktów]
- Prezentacja [0-16 punktów]
- Praca na zajęcia [0-48 punktów]:
- 4 prace domowe - [0-12 punktów]
- 4 kamienie milowe - [0-36 punktów]
- Jakość kodu oraz raportu [0-4 punktów]
| Ocena | 3 | 3.5 | 4 | 4.5 | 5 |
|---|---|---|---|---|---|
| Punkty | (50, 60] | (60, 70] | (70, 80] | (80, 90] | (90, 100] |