Strona przedmiotu Warsztaty Badawcze dla specjalności IAD na wydziale MiNI PW

Baza modeli

Opis struktury bazy oraz szablony plików

Materiały na laboratoria

• [1] W: Wprowadzenie do OpenML, interfejsu do OpenML
• [2] W: Modele niskowymiarowe (lm, regresja logistyczna, drzewa, svm). Wprowadzenie do biblioteki mlr do trenowania modeli.
• [3] W: Miary oceny modelu (loss functions, CV), Wprowadzenie do biblioteki caret do trenowania modeli.
• [4] W: Modele wysokowymiarowe (lasy, xgboost, sieci neuronowe)
• [5] W: Wyjaśnialne uczenie maszynowe (DALEX)
• [6] W: Prezentacje Pracy domowej.
• [7] W: Strategie doboru hiperparametrów (random search, grid search). Wprowadzenie do biblioteki parsnip do trenowania modeli. parsnip i DALEX.
• [8] W: Projekt.
• [9] W: Plan piątkowy
• [10] W: Pierwsza Prezentacja Projektu (24 kwietnia)
• [11] W: Tworzenie pakietów w R
• [12] W: Projekt
• [13] W: Zastępstwo (22 maja)
• [14] W: Projekt
• [15] W: Druga Prezentacja Projektu (12 czerwca)

Zaliczenie jest oparte o dwie składowe:

• Punkty z prac domowych (60 punktów)
• Punkty z projektów (40 punktów)

W sumie uzyskać można do 100 punktów. 51 punktów zalicza przedmiot.

Jest również dodatkowa pula punktów do zdobycia za nadobowiązkowe prace domowe.

Prace domowe należy zgłaszać przez GitHub, poprzez pull request oraz komentarz w odpowiednim issue.

• Pełna playlista z wykładami Andrew Ng