Warszataty Badawcze składają się z:
- wykładu
- zajęć laboratoryjnych i projektowych
| # | DATA | LABORATORIUM + PROJEKT | PUNKTY |
|---|---|---|---|
| 1 | 24-02 | Tematyka projektu | |
| 2 | 03-03 | Szerokie spojrzenie na ML, przegląd literatury, eksploracyjna analiza danych (EDA) | |
| 3 | 10-03 | Warsztat o danych przestrzennych - dr Jakub Nowosad | PD1 (4p) |
| 4 | 17-03 | Omównienie EDA, wstęp do modelowania - drzewo decyzyjne | KM1 (3p) |
| 5-6 | 24-03 | Modele oparte na drzewach | KM2 (12p) |
| 7 | 07-04 | Optymalizacja hiperparametrów | PD2 (4p) |
| 8 | 14-04 | Omówienie modeli | |
| 9 | 21-04 | Diagnostyka modeli, wizualizacja modeli | PD3 (4p) |
| 10 | 28-04 | Wnioski płynące z przeprowadzonej diagnostyki | KM3 (5p) |
| 11 | 05-05 | Budowanie portfolio | |
| 12 | 19-05 | eXplainable Artificial Intelligence (XAI) - wstęp, metody globalne i lokalne | PD4 (4p) |
| 13 | 26-05 | Interaktywna eksploracja modeli (idea modelStudio, arena) | PD5 (4p) |
| 14 | 02-06 | Omównie wyników analizy XAI | KM4 (8p) |
| 15 | 09-06 | Podsumowanie projektu/konsultacje |
- praca podczas projektu - 48p
- prezentacja końcowa - 16p
- raport końcowy - 32p
- stosowanie dobrych praktyk wykorzystania GitHub - 4p
| Ocena | 3 | 3.5 | 4 | 4.5 | 5 |
|---|---|---|---|---|---|
| Punkty | (50, 60] | (60, 70] | (70, 80] | (80, 90] | (90, ∞) |
- Nowosad, J., (2021). Geostatystyka w R. Poznań: Space A. ISBN 978-83-953296-2-3.
- Explanatory Model Analysis. Explore, Explain and Examine Predictive Models
- Interpretable Machine Learning. A Guide for Making Black Box Models Explainable
- XAI Stories. Case studies for eXplainable Artificial Intelligence
- BASIC XAI with DALEX