ium/IUM_00.Organizacyjne.ipynb

Inżynieria uczenia maszynowego

0. Informacje organizacyjne [laboratoria]

Tomasz Ziętkiewicz (2021)

Plan na dzisiaj

1. Informacje organizacyjne
2. Poznajmy się!
3. Wprowadzenie

Przedmiot

• Kod przedmiotu: 06-DIUMUI0
• Nazwa: Inżynieria Uczenia Maszynowego
• WMI UAM 2021
• Sylabus: Sylabus-AITech-InzynieriaUczeniaMaszynowego.pdf

Prowadzący

• imię i nazwisko: Tomasz Ziętkiewicz
• stopień naukowy: magister inżynier
• stanowisko: doktorant
• Zakład Sztucznej Inteligencji
• email: tomasz.zietkiewicz@amu.edu.pl
• www: http://tz47965.home.amu.edu.pl/
• https://git.wmi.amu.edu.pl/tzietkiewicz/aitech-ium
• konsultacje: przez MS Teams, po wcześniejszym umówieniu mailowym lub przez chat

Prowadzący

Zainteresowania naukowe

• Przetwarzanie języka naturalnego
• Rozpoznawanie mowy
• Postprocessing wyników rozpoznawania mowy
• Normalizacja tekstu
• Korekta błędów systemów rozpoznawania mowy

Program zajęć

1. Wprowadzenie
2. Dane
3. Ciągła Integracja - Jenkins
4. Konteneryzacja - Docker
5. Biblioteki ML
6. Przygotowanie eksperymentu ML
7. Jenkins pipeline
8. Kontrola eksperymentów - Sacred
9. Kontrola eksperymentów - MLFlow
10. Kontrola eksperymentów - DVC
11. Wizualizacja
12. Finalizacja projektu
13. Finalizacja projektu
14. Podsumowanie

Zasady zaliczenia

W trakcie kolejnych zajęć będą Państwo poznawać różne techniki i narzędzia wspomagające proces rozwoju modeli uczenia maszynowgo.

W wyniku realizacji zadań z poszczególnych zajęć powstaną części składowe potoku uczenia maszynowego (Machine Learning Pipeline) z wykorzystaniem różnych, czasami komplementarnych a czasami alternatywnych technologii.

• Za wykonywanie na bieżąco zadań z poszczególnych zajęć będą przyznawane punkty.

• Zadania powinny zostać wykonane przez Państwa do końca dnia poprzedzającego następne zajęcia (o ile w zadaniu nie podano inaczej)

• Zobowiązuję się ocenić zadania najpóźniej do początku następnych zajęć (czyli np. zadanie z zajęć 2. musi zostać oddane najpóźniej dzień przed zajęciami 3. a wyniki oceny tego zadania zostaną opublikowane najpóźniej w trakcie zajęć 4.)

• W przypadku braku wykonania zadań w terminie nie zostaną przyznane za nie punkty.

• W przypadku braku wystawienia przez prowadzącego punktów w terminie, uznaje się przyznanie za zadanie maksymalnej ilości punktów

• Punkty przysługujące za każde zadanie cząstkowe będą podane przy opisie zadania

  Przelicznik punktów na oceny:

  Ocena	% całkowitej liczby punktów
  bardzo dobry (bdb; 5,0)	>= 90%
  dobry plus (+db; 4,5)	>= 80%
  dobry (db; 4,0)	>= 70%
  dostateczny plus (+dst; 3,5)	>= 60%
  dostateczny (dst; 3,0)	>= 50%
  niedostateczny (ndst; 2,0)	< 50%

Obecność

Zgodnie z oficjalnymi zasadami obowiązującymi w projekcie AITech, dopuszczalna liczba nieobecności na zajęciach wynosi 3 (obowiązkowa obecność na 80% zajęć). Powyżej 3 nieobecności przemiot nie może być zaliczony.