80-629 -- Projet

Remise du plan d'étude: 24h avant le cours de la semaine 9
Remise du rapport final: 11 décembre 2020 (avant la fin de la journée)

Méthode de remise: Par ZoneCours


Ce projet vaut pour 30% de votre note finale. Vous pouvez travailler en équipe de deux ou trois.

Barème de correction:

Clareté/Pertinence du problème et description de l'approche proposée. (10)
Discussion de la littérature pertinente et références(5)
Conception et mise en exécution de l'étude expérimentale.(10)
Présentation (Figures/Tableaux/Rédaction) claire, concise et complète (5)

Total (30)


À faire: Le but de ce projet est de vous permettre d'en apprendre davantage sur l'apprentissage automatique en l'utilisant pour résoudre une tâche.

Tout d'abord, sélectionnez une question (tâche) à laquelle vous pouvez répondre à l'aide de l'apprentissage automatique. Votre question devrait porter sur un modèle / algorithme ou sur une application. Ensuite, concevez une étude pour répondre à votre question. Votre étude doit avoir un élément de nouveauté. Par exemple, la nouveauté pourrait être une extension ou une variation d'un algorithme existant ou des résultats d'une méthode existante sur un nouvel ensemble de données.

Votre étude vous demandera sans doute de vous informer sur la littérature existante. Votre étude doit contenir des expériences. Vous êtes libre d'utiliser (ou non) l'un des outils ou modèles que nous avons vus en classe.

Alternative: Vous pouvez décider de participer à ce défi: ML Reproductibility Challenge 2020. ML Reproducibility Challenge 2021. Si ça vous intéresse, contactez-moi rapidement.

Plan d'étude: (24h avec votre cours de la semaine du 25 octobre): Veuillez m'envoyer un résumé d'une page de votre proposition de question de recherche et d'étude. Je rencontrerai chaque groupe pour discuter des plans d'études lors de la séance du 27 ou 29 octobre. Je vous enverrai un horaire des rencontres la veille. Nous n'aurons probablement que 15 minutes environ, alors assurez-vous que votre plan d'étude est clair et précis. Vous pouvez également inclure des questions dont vous aimeriez que nous discutions à la fin du document.

Votre rapport: Votre rapport doit contenir une description de la question à laquelle vous essayez de répondre, une description claire du modèle / algorithme que vous étudiez, une section sur les travaux reliés avec des références appropriées, une section empirique qui rend compte de vos résultats et une conclusion qui résume vos résultats et (le cas échéant) met en évidence les orientations futures possibles de votre projet. Votre rapport ne doit pas dépasser 10 pages (plus les références) pour les groupes de deux ou 13 pages (plus les références) pour les équipes de trois.

Quelques conseils (surtout tirés de csc2515 à l'UofT):

  • Soyez sélectif! Ne choisissez pas un projet qui n'a rien à voir avec l'apprentissage automatique. N'étudiez pas un algorithme qui a de fortes chances d'échouer ou de ne pas être implémentable. N'attaquez pas un problème qui n'est pas pertinent, mal défini ou insoluble. Utilisez votre temps pour l'apprentissage automatique et non à des tâches connexes telles que le prétraitement de vos données.
  • Soyez honnête! Vous n'êtes pas noté sur la qualité des résultats. Peu importe si votre méthode est pire que celles que vous comparez à condition que vous la mettiez en œuvre correctement. Ce qui compte, c'est d'essayer quelque chose de sensé et de décrire clairement le problème, votre méthode, ce que vous avez fait et quels ont été les résultats.
  • Soyez modeste! Ne choisissez pas un projet trop difficile. Habituellement, si vous sélectionnez la chose la plus simple à laquelle vous pouvez penser et que vous le faites avec précaution, cela prendra beaucoup plus de temps que vous ne le pensez.
  • Faites attention! Ne faites pas de choses stupides comme tester vos données d'entraînement, définir des paramètres en trichant, comparer injustement avec d'autres méthodes, inclure des tracés avec des axes non étiquetés, utiliser des symboles non définis dans les équations, etc. en omettant de petites parties de vos données, en ajoutant quelques points bruyants, etc. pour vous assurer que tout fonctionne toujours raisonnablement bien. Faites beaucoup de photos en cours de route.
  • Apprenez! Le but du projet est de vous donner une chance de «tester» le processus d'apprentissage automatique. Considérez cela comme une opportunité d'apprendre à écrire du code pour exécuter de grandes expériences, créer de belles figures, mettre en page des équations lisibles, décrire votre travail de manière concise à un lecteur intelligent, mais non initié, etc.
  • Amusez-vous! Si vous choisissez quelque chose que vous trouvez être intéressant, cela rendra le travail plus facile et rédiger vos résultats sera moins ennuyeux.