Prowadzący
dr hab inż. Agnieszka Ławrynowicz
Zasady oceniania
Projekt
Ocena będzie wystawiona za realizację i prezentację projektu w zespołach 2-3 osobowych.
Początek semestru będzie poświęcony w głównej mierze wykładom i demonstracjom tutorialowym, przygotowującym do realizacji projektu. Druga połowa semestru będzie poświęcona w głównej mierze realizacji projektu.
Początek semestru będzie poświęcony w głównej mierze wykładom i demonstracjom tutorialowym, przygotowującym do realizacji projektu. Druga połowa semestru będzie poświęcona w głównej mierze realizacji projektu.
Lista kontrolna projektu:
1. Analiza wstępna (ang. exploratory analysis) (20%):
- ile cech ma zbiór danych?
- jakiego typu są cechy (numeryczne, symboliczne itp.)?
- wizualizacja danych (np. za pomocą histogramów)
- czy mamy do czynienia z niezbalansowanymi danymi (bardzo duża przewaga przykładów z wybranej klasy)?
- czy mamy wielowymiarowy zbiór (wiele cech, być może więcej niż przykładów)?
- czy występują brakujące wartości?
2. Przetwarzanie wstępne (30%):
- selekcja i/lub konstrukcja cech (np. poprzez usuwanie cech z małą lub zerową wariancją, usuwanie cech skorelowanych itp., dodawanie nowych cech np. poprzez tworzenie jednej cechy z dwóch albo przekształceń typu log(x), sqrt(x) itp.),
- poradzenie sobie z problemem ewentualnych brakujących wartości (zastąpienie zerami, medianą, usunięcie atrybutu itd.),
- transformacja cech np. z symbolicznych do kodowania gorącojedynkowego (ang. one-hot encoding) w celu przygotowania ich na wejście do implementacji algorytmów uczących
- standaryzacja lub normalizacja cech
3. Wybór modeli i uczenie modeli (30%):
- strojenie hiperparametrów (poprzez np. “grid search”), można rozważyć wybrane przekształcenia danych jako hiperparametry (np. włączyć do procesu strojenia hiperparametrów zagadnienia takiej jak: czy brakujące wartości powinny zostać wypełnione zerami czy medianą?)
- ewaluacja modeli,
- ewentualne połączenie modeli w zespoły
4. Prezentacja wyników (20%)
Szczegółowa rozpiska punktów za projekt
Wykład
W trakcie semestru zostanie udostępnionych pięć quizzów, każdy po 5 pkt, które będą składać się na łączną oceną z wykładu (termin realizacji quizzu – do dwóch tygodni po wykładzie).
W zależności od uzyskanej liczby punktów otrzymacie Państwo następujące oceny:
punkty | ocena |
---|---|
powyżej 21 | bardzo dobry |
19-21 | dobry plus |
16-18 | dobry |
13-15 | dostateczny plus |
10-12 | dostateczny |
poniżej 10 | niedostateczny |
Slajdy z wykładów
1) Wprowadzenie
2) Regresja, klasyfikacja , ocena klasyfikacji
5) Sieci neuronowe - wprowadzenie
Quizy
Quiz1 (termin wykonania: 13 listopada 2019)
Aurélien Géron, Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow, Helion, 2018.