ium/IUM_00.Organizacyjne.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "<h1> Inżynieria uczenia maszynowego </h1>\n",
    "<h2> 0. <i>Informacje organizacyjne</i>  [laboratoria]</h2> \n"
   ]
  },
  {
   "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",
    "- Sylabus: Sylabus-AITech-InzynieriaUczeniaMaszynowego.pdf"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Prowadzący\n",
    "\n",
    "### Paweł Skórzewski\n",
    "\n",
    "https://pms.web.amu.edu.pl"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Program zajęć\n",
    "1. Wprowadzenie\n",
    "2. Dane\n",
    "3. Ciągła Integracja - Jenkins\n",
    "4. Konteneryzacja - Docker\n",
    "5. Biblioteki ML\n",
    "6. Jenkins pipeline\n",
    "7. Hugging Face Hub\n",
    "8. Kontrola eksperymentów - Sacred\n",
    "9. Środowiska wirtualne\n",
    "10. Kontrola eksperymentów - MLFlow\n",
    "11. Kontrola eksperymentów - DVC\n",
    "12. Github Actions\n",
    "13. Kubernetes i Kubeflow\n",
    "14. Raportowanie wyników w formie publikacji naukowej\n",
    "15. Prezentacja publikacji"
   ]
  },
  {
   "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) z wykorzystaniem różnych, czasami komplementarnych a czasami alternatywnych technologii.\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",
    " - 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%       |\n"
   ]
  }
 ],
 "metadata": {
  "author": "Tomasz Ziętkiewicz",
  "celltoolbar": "Slideshow",
  "email": "tomasz.zietkiewicz@amu.edu.pl",
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "lang": "pl",
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.9.16"
  },
  "slideshow": {
   "slide_type": "slide"
  },
  "subtitle": "0.Organizacyjne[laboratoria]",
  "title": "Inżynieria uczenia maszynowego",
  "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
  },
  "year": "2021"
 },
 "nbformat": 4,
 "nbformat_minor": 4
}