ium/IUM_00.Organizacyjne.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "# AITech Inżynieria Uczenia Maszynowego\n",
    "\n",
    "\n",
    "## Informacje organizacyjne"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Plan na dzisiaj\n",
    "1. Informacje organizacyjne\n",
    "2. Poznajmy się!\n",
    "3. Wprowadzenie"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Przedmiot\n",
    "- Kod przedmiotu: 06-DIUMUI0\n",
    "- Nazwa: Inżynieria Uczenia Maszynowego\n",
    "- WMI UAM 2021\n",
    "- Sylabus: Sylabus-AITech-InzynieriaUczeniaMaszynowego.pdf"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Prowadzący\n",
    "- imię i nazwisko:\tTomasz Ziętkiewicz\n",
    "- stopień naukowy:\tmagister inżynier\n",
    "- stanowisko:\tdoktorant\n",
    "- [Zakład Sztucznej Inteligencji](https://ai.wmi.amu.edu.pl/pl/)\n",
    "- email: tomasz.zietkiewicz@amu.edu.pl\n",
    "- www: http://tz47965.home.amu.edu.pl/\n",
    "- https://git.wmi.amu.edu.pl/tzietkiewicz/aitech-ium\n",
    "- konsultacje: przez MS Teams, po wcześniejszym umówieniu mailowym lub przez chat"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "### Prowadzący\n",
    "### Zainteresowania naukowe\n",
    "- Przetwarzanie języka naturalnego\n",
    "- Rozpoznawanie mowy\n",
    "- Postprocessing wyników rozpoznawania mowy\n",
    "- Normalizacja tekstu\n",
    "- Korekta błędów systemów rozpoznawania mowy"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Program zajęć\n",
    "1. Wprowadzenie\n",
    "2. Dane\n",
    "3. Ciągła Integracja - Jenkins\n",
    "4. Biblioteki ML\n",
    "5. Konteneryzacja - Docker\n",
    "6. Przygotowanie eksperymentu ML\n",
    "7. Jenkins pipeline\n",
    "8. Kontrola eksperymentów - Sacred\n",
    "9. Kontrola eksperymentów - MLFlow\n",
    "10. Kontrola eksperymentów - DVC\n",
    "11. Wizualizacja\n",
    "12. Finalizacja projektu\n",
    "13. Finalizacja projektu\n",
    "14. Podsumowanie"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Zasady zaliczenia\n",
    "\n",
    "W trakcie kolejnych zajęć będą Państwo poznawać różne techniki i narzędzia wspomagające proces rozwoju modeli uczenia maszynowgo.\n",
    "\n",
    "W wyniku realizacji zadań z poszczególnych zajęć powstaną części składowe potoku uczenia maszynowego (Machine Learning Pipeline), które na końcu zostaną zintegrowane w jedną całość.\n",
    "\n",
    "\n",
    " - Za wykonywanie na bieżąco zadań z poszczególnych zajęć będą przyznawane punkty.\n",
    " - Zadania powinny zostać wykonane przez Państwa do końca dnia poprzedzającego następne zajęcia (o ile w zadaniu nie podano inaczej) \n",
    " - Zobowiązuję się ocenić zadania najpóźniej do początku następnych zajęć \n",
    " (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.)\n",
    " \n",
    " - W przypadku braku wykonania zadań w terminie nie zostaną przyznane za nie punkty.\n",
    " - W przypadku braku wystawienia przez prowadzącego punktów w terminie, uznaje się przyznanie za zadanie maksymalnej ilości punktów\n",
    " - Za wykonanie zadań cząstkowych w terminie można zdobyć 50% całkowitej liczby punktów\n",
    " - Za wykonanie finalnego projektu można zdobyć 50% całkowitej liczby punktów\n",
    " - Punkty przysługujące za każde zadanie cząstkowe będą podane przy opisie zadania\n",
    " \n",
    " Przelicznik punktów na oceny:\n",
    " \n",
    "| Ocena                       | % całkowitej liczby punktów |\n",
    "| --------------------------- | ----------- |\n",
    "| bardzo dobry (bdb; 5,0)     | >= 90%      |\n",
    "| dobry plus (+db; 4,5)       | >= 80%      |\n",
    "| dobry (db; 4,0)\t          | >= 70%      |\n",
    "| dostateczny plus (+dst; 3,5)| >= 60%      |\n",
    "| dostateczny (dst; 3,0)      | >= 50%      |\n",
    "| niedostateczny (ndst; 2,0)  | < 50%       |"
   ]
  }
 ],
 "metadata": {
  "celltoolbar": "Slideshow",
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.8.5"
  },
  "toc": {
   "base_numbering": 1,
   "nav_menu": {},
   "number_sections": false,
   "sideBar": false,
   "skip_h1_title": false,
   "title_cell": "Table of Contents",
   "title_sidebar": "Contents",
   "toc_cell": false,
   "toc_position": {},
   "toc_section_display": false,
   "toc_window_display": false
  }
 },
 "nbformat": 4,
 "nbformat_minor": 4
}