4.7 KiB
Inżynieria uczenia maszynowego
0. Informacje organizacyjne [laboratoria]
Plan na dzisiaj
- Informacje organizacyjne
- Poznajmy się!
- Wprowadzenie
Przedmiot
- Kod przedmiotu: 06-DIUMUI0
- Nazwa: Inżynieria Uczenia Maszynowego
- Sylabus: Sylabus-AITech-InzynieriaUczeniaMaszynowego.pdf
Program zajęć
- Wprowadzenie
- Dane
- Ciągła Integracja - Jenkins
- Konteneryzacja - Docker
- Biblioteki ML
- Jenkins pipeline
- Hugging Face Hub
- Kontrola eksperymentów - Sacred
- Środowiska wirtualne
- Kontrola eksperymentów - MLFlow
- Kontrola eksperymentów - DVC
- Github Actions
- Kubernetes i Kubeflow
- Raportowanie wyników w formie publikacji naukowej
- Prezentacja publikacji
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%