Laboratorium

Kurs składa się z wykładu (30h) oraz laboratorium (30h). Laboratorium podzielone będzie na dwie części:

• część laboratoryjna przez pierwszą połowę semestru (zajęcia 1-8),
• część projektowa przez drugą połowę semestru (zajęcia 9-15).

Ocena końcowa zależna będzie od ocen cząstkowych za obie części w proporcji:

$$ 0.7 \cdot L + 0.3 \cdot P $$

gdzie $L$ oznacza ocenę z części laboratoryjnej, a $P$ z części projektowej.

Zasady pracy na zajęciach:

• W części laboratoryjnej rozwiązują państwo zadania opisane w instrukcjach. Instrukcje udostępnianie będą w momencie rozpoczęcia zajęć.

  • Każda instrukcja składa się z 3 zadań. Za każde zadanie zdobyć można jeden punkt. Punkty przydzielane są na podstawie wiedzy jak rozwiązać zadanie, a nie samych rezultatów.

  • Punkty przyznawane są na podstawie pracy podczas laboratorium.

  • Kolejność wykonywania zadań jest zdefiniowana w instrukcjach. Nie można przejść do kolejnego zadania bez realizacji poprzednich.

  • Do końca czasu trwania zajęć laboratoryjnych należy efekty pracy zaprezentować osobie prowadzącej oraz umieścić skrypt (.py) na platformie e-portal.

  • Sprawdzanie efektów pracy rozpocznie się przed końcem zajęć.

  • Ocena końcowa za część laboratoryjną jest zależna od punktów, zgodnie z poniższą tabelą. W sumie można zdobyć 21 pkt.

    Ocena	5	4.5	4	3.5	3
    Procent	90%	80%	70%	60%	50%
    Punkty	19	17	15	13	11

  • Laboratoria, w których nie brało się udziału można odrobić w innym terminie po uzgodnieniu z osobą prowadzącą.

  • W przypadku godzin rektorskich/ dziekańskich w terminie zajęć lub ich odwołania, kolejność laboratoriów zostaje zachowana.

  • Dozwolone jest używanie prywatnego sprzętu.

  • Można korzystać z rozwiązań zadań realizowanych dotychczas na laboratorium oraz z dokumentacji bibliotek, StackOverflow i innych forów.

  • Podczas laboratorium niedozwolone jest korzystanie z narzędzi LLM.

• W części projektowej w grupach dwuosobowych implementują państwo system mający rozwiązywać wybrany samodzielnie problem uczenia maszyn.
  • W tej części semestru dozwolona jest jedna nieusprawiedliwiona nieobecność. Każda nadmiarowa nieobecność skutkuje obniżeniem oceny o 0.5 stopnia.
  • Praca odbywa się na zajęciach, podczas których możliwe są konsultacje z osobą prowadzącą.
  • W tej części kursu możliwe jest wykonywanie części zadań samodzielnie poza godzinami zajęć.
  • Realizowany projekt musi zawierać część eksperymentalną. Wymagane są przynajmniej dwa eksperymenty zaimplementowane zgodnie z poprawnymi praktykami. Konieczna jest również analiza statystyczna wyników.
  • Na ostatnich zajęciach prezentują Państwo efekty swojej pracy w formie krótkiej, maksymalnie 10 minutowej prezentacji.
  • Artefaktem części projektowej jest (a) kod zaimplementowanych metod i eksperymentów oraz (b) prezentacja z przedstawioną tematyką projektu i założeniami, planem eksperymentów oraz ich wynikami.
• Za plagiat lub pracę niesamodzielną uznaje się kod, którego działania lub rezultatów nie są Państwo w stanie samodzielnie wyjaśnić. Stwierdzenie braku samodzielności pracy skutkuje brakiem przyznania punktów, bez możliwości poprawy.

Tematyka laboratorium:

• Część laboratoryjna:
  • L1: Wstęp do numpy.
  • L2: Reprezentacji danych w zadaniach uczenia maszynowego. Zbiór danych Iris.
  • L3: Podstawowe protokoły eksperymentalne. Walidacja krzyżowa.
  • L4: Implementacja prostych klasyfikatorów. Klasyfikacja w oparciu o liczności klas oraz algorytm *k-*najbliższych sąsiadów.
  • L5: Przetwarzanie wstępne danych. Normalizacja, selekcja i ekstrakcja cech.
  • L6: Analiza statystyczna wyników eksperymentów.
  • L7: Klasyfikacja danych niezbalansowanych, metody *resamplingu*.
  • L8: Przetwarzanie strumieni danych.
• Część projektowa:
  • P1: Wizualizacja zbioru danych i określenie problemu rozpoznawania.
  • P2,P3: Implementacja metod rozpoznawania.
  • P4: Implementacja eksperymentów.
  • P5: Analiza i wizualizacja wyników.
  • P6: Opracowanie wniosków.
  • P7: Prezentacja wyników pracy.

Wykorzystywane na laboratorium biblioteki:

numpy, matplotlib, scikit-learn, scipy, stream-learn, imbalanced-learn

Osoby, które ze względu na stan zdrowia, niepełnosprawność lub inne obiektywne przesłanki mogą mieć szczególne potrzeby związane ze sposobem realizacji zajęć, zaliczenia bądź przygotowaniem materiałów proszone są o zgłoszenie się na konsultacje lub po zajęciach/ napisanie wiadomości e-mail w tej sprawie.