Warszataty Badawcze składają się z:
- wykładu
- zajęć laboratoryjnych i projektowych
| DATA | LABORATORIUM + PROJEKT | PUNKTY | |
|---|---|---|---|
| 1 | 24-02 | Wprowadzenie do tematu projektu | |
| 2 | 03-03 | ML workflow - wstęp do modeli uczenia maszynowego, ewaluacja algorytmów | Praca domowa 1 (5 pkt) |
| 3 | 10-03 | Optymalizacja hiperparametrów | Praca domowa 2 (5 pkt) |
| 4 | 17-03 | Zasady i wyzwania stojące przed AutoML | |
| 5 | 24-03 | Prace z róznymi pakietami do AutoML | Kamień milowy 1 (8 pkt) |
| 6 | 07-04 (8:15) | Prezentacje wybranych pakietów | |
| 7 | 07-04 (14:15) | Prezentacje wybranych pakietów + dyskusja | Kamień milowy 2 (10 pkt) |
| 8 | 14-04 | Struktura artykułów + Benchmarki + Metody oceny szybkości optymalizacji, anytime performance | Kamień milowy 3 (6 pkt) |
| 9 | 21-04 | Meta-learning, ensembling modeli. Nasz benchmark. | |
| 10 | 28-04 | Omówienie KM2 | Praca domowa 3 (6 pkt) |
| 11 | 05-05 | Oddanie KM3. Konsultacje | Kamień milowy 4 (8 pkt) |
| 12 | 19-05 | Konsultacje | |
| 13 | 26-05 | Ewaluacja benchmarku. Omówienie KM4 | |
| 14 | 02-06 | Konsultacje projektowe. Możliwe oddanie każdej części artykułu do spr. | |
| 15 | 09-06 | Podsumowanie projektów |
- praca podczas projektu - 48 pkt.
- prezentacja końcowa - 16 pkt.
- raport końcowy - 32 pkt.
- stosowanie dobrych praktyk wykorzystania GitHub - 4 pkt.
| Ocena | 3 | 3.5 | 4 | 4.5 | 5 |
|---|---|---|---|---|---|
| Punkty | (50, 60] | (60, 70] | (70, 80] | (80, 90] | (90, ∞) |
- An Open Source AutoML Benchmark
- Towards Automated Machine Learning: Evaluation and Comparison of AutoML Approaches and Tools
- A Comparison of AutoML Tools for Machine Learning, Deep Learning and XGBoost
- Auto-Sklearn 2.0: Hands-free AutoML via Meta-Learning
- AutoML: Methods, Systems, Challenges
- Explanatory Model Analysis. Explore, Explain and Examine Predictive Models