Uczenie Maszynowe

dla informatyki analitycznej

jesień 2018/19

Zespół Katedr i Zakładów Informatyki Matematycznej
Wydział Matematyki i Informatyki
Uniwersytet Jagielloński

Zajęcia

Piotr Micek	wykłady	wtorki 12:15 - 13:45 w sali 0174
	ćwiczenia	piątki 10:15 - 11:45 w sali 0025
		piątki 12:00 - 13:30 w sali 0025

Punktacja

[pdf] (aktualizacja: 23 stycznia)

Projekty

pierwszy model dla MNIST [html]	11 - 18 października za 1,00 punkt 19 - 25 października za 0,75 punktu
modele z dropoutem, normalizacją batcha i ema dla MNISTa i CIFAR-10 [html]	do 25 października za 1,00 punkt do 31 października za 0,50 punktu
modele sieci konwolucyjnej dla MNISTa i CIFAR-10 [html]	do 7 listopada za 1,00 punkt do 14 listopada za 0,50 punktu
modele dla MNISTa i CIFAR-10 w TensorFlow [html]	do 8 listopada za 0,50 punktu do 15 listopada za 0,25 punktu
model sieci konwolucyjnej z przejściami residualnymi dla CIFAR-10 w TensorFlow [html]	do 16 listopada za 1,00 punkt do 22 listopada za 0,50 punktu
poprzedni model z augmentacją danych i głosowaniami	do 22 listopada za 0,50 punkt do 29 listopada za 0,25 punktu
rekursywna sieć neuronowa zgadująca kolejne litery w Panu Tadeuszu [html]	do 27 listopada za 0,50 punkt do 4 grudnia za 0,25 punktu
LSTM zgadujący kolejne litery w Panu Tadeuszu (python/autograd) [html]	do 30 listopada za 0,50 punkt do 6 grudnia za 0,25 punktu
LSTM zgadujący kolejne litery w Panu Tadeuszu (tf) [pdf]	do 11 grudnia za 1,50 punktu do 18 grudnia za 0,75 punktu
sieć generująca dla zbioru MNIST [html]	do 21 grudnia za 1,00 punkt do 7 stycznia za 0,50 punktu
sieć generująca dla zbioru CIFAR [html]	do 8 stycznia za 1,00 punkt do 15 stycznia za 0,50 punktu
renju [html]	do 24 stycznia za 1,50 punktu do 31 stycznia za 0,75 punktu

Materiały

Numpy: reference guide, quickstart tutorial, jeszcze jeden tutorial, broadcasting
Backpropagation: blogpost by colah, rozdzial z ksiazki Nielsena
generatory w Pythonie wyjaśnione
toy example [ipynb]

Więcej Materiałów

wykłady w ramach kursu CS231n: Convolutional Neural Networks for Visual Recognition na Stanfordzie: [youtube]
książka Deep Learning Iana Goodfellowa, Youshui Bengio oraz Aarona Courville; dostępna tutaj.

Zbiory danych

MNIST: strona zbioru danych, wiki, funkcje czytające
CIFAR-10: strona zbioru danych
inne zbiory na przyszłość: LSUN, SVHN

Warunki zaliczenia

W trakcie kursu można zdobyć punkty około 15 punktów. Punkty przydzielane są za mini-projekty programistyczne (projekty warte od 1 do 2 punktów). Projekty prezentowane są na cwiczeniach lub dyżurze prowadzącego. Punkty za dany projekt można otrzymać prezentując go w terminie. Każdy projekt będzie można oddać w pierwszym terminie za 100% punktów i w kolejnym terminie za 50% punktów. Co do zasady w każdym tygodniu student będzie miał do przygotowania jeden mini-projekt oraz byćmoże do poprawienia/przerobienia poprzedni mini-projekt.

Ocena z ćwiczeń wystawiona będzie według następującego wzoru:

5.0 - za co najmniej 90% punktów
4.5 - za co najmniej 80% punktów
4.0 - za co najmniej 70% punktów
3.5 - za co najmniej 60% punktów
3.0 - za co najmniej 50% punktów

Osoby które uzyskały mniej niż 50% punktów i nie uczęszczały na większość zajęć otrzymają ocenę końcową NZAL. Ocena końcowa z kursu będzie oceną z ćwiczeń. Osoby z oceną 2.0 mogą tę ocenę poprawić realizując (do sesji poprawkowej) wszystkie projekty z wyjątkiem co najwyżej jednego. Egzamin poprawkowy będzie miał wtedy charakter prezentacji zrealizowanych projektów.