1. Wygenerowanie legitnych danych
2. Wytrenowanie lokalnego modelu - podzielenie danych na treningowe oraz testowe
3. Wystawienie modelu poprzez REST API
4. Stworzenie 2-3 przypadków testowych
5. Przygotowanie environment.yaml condy
6. Udostępnienie aplikacji w sieci wydziałowej (przez ten https://cloud.wmi.amu.edu.pl/#v1:0:18:4::::::: )
7. Przygotowanie prezentacji na zaliczenie (w tym dane histograficzne - rozkład znaków, długość ciągu znaków w przypadku zwykłych danych oraz ataków (pewnie przy róznych atakach pojawią się określone znaki specjalne) czyli zaprezentować analizę tego zbioru danych (tabelki, wykresy, wnioski))





Projekt ma posiadać environment.yaml condy - konfiguracja środowsika



do tego statystyki danych - jaki procent poszczególnych typów danych znajdował się w zbiorach treningowych, testowych itd.

dane histograficzne - rozkład znaków, długość ciągu znaków w przypadku zwykłych danych oraz ataków (pewnie przy róznych atakach pojawią się określone znaki specjalne)






Skala ocen:
- Należy wybrać zbiór danych (akceptacja grup oraz zbioru danych przez prowadzącego na pierwszych 17.11.21 lub drugich zajęciach 18.11.23), zaprezentować analizę tego zbioru danych (tabelki, wykresy, wnioski) w max 10 minut- zaliczenie na ocenę 3)
- Należy wytrenować prosty model uczenia maszynowego (lub użyć gotowego modelu) i zaprezentować jego wyniki na zbiorze testowym. Jakość modelu nie będzie oceniana, ale powinien radzić sobie lepiej niż bardzo prosty model (klasa większościowa dla klasyfikacji lub średnia dla regresji)- zaliczenie na ocenę 4
- Należy wystawić model z poprzedniego punktu w prostej aplikacji REST i zaprezentować jego działanie. Do aplikacji powininy być napisane conajmniej 2-3 proste przypadki testowe- zaliczenie na llocenę 4.5
- Należy udostępnić aplikację w sieci wydziałkowej 5