You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
Termin oddania: 28.04 - prezentacja na zajęciach
Liczba punktów: 10 pkt.
Wykonywana w zespołach projektowych
Każdy zespół projektowy ma zadanie przygotować funkcję przygotowującą zbiór dowolny tabelaryczny zbiór danych opisujący problem predykcyjny do użycia wybranego frameworku AutoML. Funkcja powinna przyjmować zbiór danych objaśniających i kolumnę objaśnianą y (w odpowiedniej formie). Zbiór danych objaśniających może wymagać preprocessingu (głównie tego koniecznego aby framework autoML zadziałał, ale możliwe, że niektóre operacje przez niego podejmowane prowadzą do bezsensownych wyników np. obsługa data). Tworząc funkcje można wzorowć się na rozwiązaniu: https://github.com/openml/automlbenchmark/tree/master/frameworks. Będę jednak sprawdzać samodzielność implementacji!
Przygotowaną funkcję należy przetestować na zbiorach danych dotyczących binarnej klasyfikacji z benchmarku (artykuł). Dodatkowe punkty można zdobyć za rozszerzenie benchmarku o dodatkowe zbiory danych np.ChaLearn
Rozwiązanie należy zgłosić w formie dwóch plików w folderze zespołu. Kod źródłowy funkcji powinien być w formacie .py , natomiast ewaluację na różnych zbiorach danych należy zgłosić w formie notebooka .ipnyb. Wyniki ewaluacji należy opisać i zapisać wnioski w podsumowaniu.
Na omówienie KM na zajęcich należy przygotować krótką prezentację, podsumowującą trudności implementacyjne i wyniki ewaluacji frameworku.
The text was updated successfully, but these errors were encountered:
Termin oddania: 28.04 - prezentacja na zajęciach
Liczba punktów: 10 pkt.
Wykonywana w zespołach projektowych
Każdy zespół projektowy ma zadanie przygotować funkcję przygotowującą zbiór dowolny tabelaryczny zbiór danych opisujący problem predykcyjny do użycia wybranego frameworku AutoML. Funkcja powinna przyjmować zbiór danych objaśniających i kolumnę objaśnianą
y
(w odpowiedniej formie). Zbiór danych objaśniających może wymagać preprocessingu (głównie tego koniecznego aby framework autoML zadziałał, ale możliwe, że niektóre operacje przez niego podejmowane prowadzą do bezsensownych wyników np. obsługa data).Tworząc funkcje można wzorowć się na rozwiązaniu: https://github.com/openml/automlbenchmark/tree/master/frameworks. Będę jednak sprawdzać samodzielność implementacji!
Przygotowaną funkcję należy przetestować na zbiorach danych dotyczących binarnej klasyfikacji z benchmarku (artykuł).
Dodatkowe punkty można zdobyć za rozszerzenie benchmarku o dodatkowe zbiory danych np. ChaLearn
Rozwiązanie należy zgłosić w formie dwóch plików w folderze zespołu. Kod źródłowy funkcji powinien być w formacie
.py
, natomiast ewaluację na różnych zbiorach danych należy zgłosić w formie notebooka.ipnyb
. Wyniki ewaluacji należy opisać i zapisać wnioski w podsumowaniu.Na omówienie KM na zajęcich należy przygotować krótką prezentację, podsumowującą trudności implementacyjne i wyniki ewaluacji frameworku.
The text was updated successfully, but these errors were encountered: