Cerinte finalizare activitate laborator ML

Cerinte finalizare activitate laborator ML

Fiecare student va trebui sa pregateasca si sa prezinte urmatoarele:

Un raport de cercetare teoretica pe o tehnica de invatare, pe baza unor lucrari recente de cercetare.

a) o lucrare scrisa de aproximativ 10 de pagini

b) o prezentare orala

- Un plan de o pagina de prezentare

NU veti prezenta o imagine de ansamblu a tehnicii considerate, DAR veti prezenta un studiu privind unele rezultate de cercetare recenta pe tema in cauza.

Lucrarea va contine consideratii teoretice pe tema selectata si sectiuni obligatorii cu privire la:

1. aplicatiile existente sau posibile ale subiectului selectat

2. avantajele si dezavantajele abordarii alease (aici puteti lista propriile opinii)

Va realiza si documenta un proiect practic (software). Software-ul va trebui sa demonstreze utilizarea a cel putin doua tehnici de invatare (algoritmi) pentru anumite sarcini specifice.

Cerinte proiect:

Proiectul va fi dezvoltat cu ajutorul unui software open source ML:

PMML https://www.dmg.org

WEKA https://www.cs.waikato.ac.nz/ml/weka/

RapidMiner https://rapid-i.com

Orange https://www.ailab.si/orange/

SVM software https://www.support-vector-machines.org/SVM_soft.html

altele

Proiectul va contine:

(A). Descrierea software-ului de programare utilizat, inclusiv caracteristici utilizate;

(B). Definirea problemei;

(C). Comentarii despre solutie (analiza problemei)

(D). O documentatie scurta de proiectare, codul sursa, fisiere de test si orice alte fisiere necesare pentru a testa proiectul.

Deadline

Saptamana 13/14 de laborator -  prezentare raport cercetare + demonstratie proiect + componente

Examenul final, va fi planificat in sesiunea de examene.

Proiectele identice NU vor fi luate in considerare.

Referat: Contabilitatea institutiilor publice test Referat: Contabilitatea veniturilor extraordinare

Nota finala va fi calculata dupa cum urmeaza:

Frecventa la ore (4 absente nemotivate sunt acceptate, dar fiecare absenta nemotivata, altele decat cele specificate mai sus sunt sanctionate)

Raport  de cercetare teoretic (scris si prezentat)

Proiect practic (scris, documentat si demonstrat)

Examen final (lucrare scrisa in sesiunea de examene)

Observatii

Notele de la raportul de cercetare si proeict sunt compuse prin luarea in considerare a urmatoarelor:

o       lucrarea si proiectul trebuie sa reprezinte efortul propriu;

o lucrari trebuie sa indeplineasca cerintele de la o lucrare de cercetare:

titlul sugestiv care sa corespunda continutului;

aproximativ 10 linii de abstract;

o sectiune introductiva, cu scopul detaliat al rapotului;

o sectiune de integrare a subiectului in domeniul general;

cateva sectiuni principale, in functie de subiectul abordat;

incheierea cu observatii si propuneri de lucru in continuare;

bibliografie de cinci pana la 10 titluri; intrarile bibliografie trebuie sa fie scrise corect si complet; toate elementele bibliografice trebuie sa fie citate in text;

o       proiectul trebui sa reflecte aplicarea a cel putin doi algoritmi din invatarea automata precum si o comparatie a rezultatelor prin grafice de rezultate paralele;

o       prezentarea se face personal si oral in laborator.

IMPORTANT: Studentii care demonstreaza performante excelente de cercetare prin dezvoltarea proiectului pentru publicarea lui vor primi un punctaj suplimentar de 10% din nota finala.

Subiecte posibile pentru raportul teoretic si clasele de algoritmi din proiectul practic (o lista ne-exhaustiva)

Aceste subiecte sunt doar sugestive. Sunteti liber sa aleageti alte subiecte legate de masina de invatare:

Neural networks

Recurrent neural networks

Self organizing maps

Decision Trees

Bayesian learning

Belief network learning

Instance based learning

Case based reasoning (learning)

Inductive logic programming

Temporal difference learning

Q-learning

Hierarchical divisive clustering

Hierarchical agglomerative clustering

Partitional clustering

Density based clustering

Grid based clustering

Fuzzy clustering

Support vector machines

Kernel methods in machine learning

Association rule learning

Hidden Markov Models

etc