W01 5feb Intro.Class Intro.ML
W02 12feb U1.Intro.NN Lab 1.1
W03 19feb U2.NN.Archs.TrainAlgs.Reg Lab 2.1
W04 26feb U2.NN.Initz.Batch.Relu.Vanish Lab 2.2
W05 5mar Labs Parcial 10Mar Deadline Lab1 Lab2
W06 12mar U3.CNN.ConvOp.Archs Lab 3.1
W07 19mar U3.CNN.Classf.Detectn.Segmtn Lab 3.2 31Mar Deadline U3.05 3.06 3.07 3.10 3.11
W08 26mar U3.CNN.Transfer Learning Lab 3.3 7abr Deadline U3.15 3.16 3.17
W09 2abr U3.Proyecto U3.Proyecto
W10 9abr U3.Proyecto U3.Proyecto 21Abr Deadline U3.Proyecto
W11 23abr U4.RNN.SeqModels.BProp in Time Lab 4.1 25Abr presentación proyectos seleccionados
W12 30abr U4.RNN.LSTM.Archs.Seq2Seq Lab 4.2
W13 7may U4.RNN.CNN-LSTM Lab 4.3 12May Deadline Lab4
W14 14may U4.Proyecto U4.Proyecto
W15 21may U4.Proyecto U4.Proyecto
W16 28may 01Jul Deadline U4.Proyecto
10% Parcial
10% Lab1 + Lab 2
15% Lab 3
15% Lab 4
25% U3.Proyecto
25% U4.Proyecto
Para el proyecto U3 (redes convolucionales) y U4 (redes recurrentes) tendrás que:
- escoger un dataset, de un tema de tu interés, de tu investigación, etc.
- plantear una tarea de aprendizaje junto con una métrica de evaluación (p.ej. clasificación, detección, etc.)
- plantear una estrategia de resolución (preprocesado, arquitectura de red, trasnfer learning, data augmentation, feature learning, etc.)
- implementar el flujo de trabajo experimental
Tu entrega habrá de ser un repositorio github con uno o varios notebooks donde proveas evidencia del trabajo realizado, incluyendo experimentos pruebas, etc.
Para realizar tu entrega, crea un documento llamado U3.Proyecto o U4.Proyecto en el Google drive compartido, que contenga el enlace a tu repositorio github. Si llamas distinto a este documento no será tenido en cuenta.
- 25% Reproducibilidad: Tus notebooks han de ser 100% ejecutables sin errores, desde la descarga de datos hasta la obtención de tus resultados. Si lo consideras necesario crea un fichero descargable con tus datos y publícalo en algún lado como están en los notebooks del curso. No incluyas los datos en el repositorio.
- 25% Claridad: Explica bien tu tarea (en los mismos notebooks), la métrica de evaluación que ests usando y el ciclo experimental que hiciste (probé tales arquitecturas de red, el modelo final tiene tal arquitectura porque las anteriores sufrían de overfitting, etc.)
- 25% Repositorio: Tu repositorio ha de estar ordenado, con una estructura clara y con un README.md que indique qué notebooks ejecutar con tu resultado final, qué notebooks contienen los experimentos previos que hiciste, etc.
- 25% Compleción: Tu tarea ha de utilizar las técnicas vistas en clase y ha de demostrar un flujo experimental (prueba de varias arquitecturas, preprocesados, etc.). Igualmente has de incluir una interpretación de tus resultados.
Si se te requiere tendrás que realizar una breve presentación de tu proyecto, teniendo en cuenta que:
- la presentacin ha de durar 10 minutos. Esto es un límite estricto. Al cabo de ese tiempo se cortará la presentación esté en el punto que esté.
- Tendrás que presentar tres aspectos: 1) qué tarea se resolvió, 2) qué experimentos se hicieron, 3) tus conclusiones e interpretación de los resultados.
- La calificación será un factor entre 0.5 y 1.5, que se multiplicará con la calificación obtenida a la entrega para obtener la calificación final.