WSI – Ćwiczenia

Organizacja zajęć

• W semestrze jest 14 spotkań ćwiczeniowych. Wynika z tego, że pierwszy teoretycznie możliwy termin należy pominąć.
• W trakcie zajęć będzie do rozwiązania 7 zadań (miniprojektów) z obszaru sztucznej inteligencji.
• Tematy kolejnych zadań będą pojawiać się zgodnie z harmonogramem poniżej.
• Zadania realizujemy indywidualnie, za wyjątkiem ćwiczenia dotyczącego sieci neuronowych.
• W przypadku pojawiających się wątpliwości należy pytać prowadzącego ćwiczenia.

Miniprojekty

Wymagania

• Realizacja zadań typowo wymaga zaimplementowania algorytmu, przeprowadzenia eksperymentów badających jego właściwości i przygotowania raportu/dokumentacji z wnioskami z wykonanych prac. W ramach badań należy wypróbować różne zestawy parametrów implementowanego algorytmu i/lub zastosować go na różnych zbiorach danych, po czym rzetelnie porównać osiągnięte wyniki i wyciągnąć wnioski.
• Nie można wyciągać wniosków na podstawie jednego uruchomienia metody niedeterministycznej (wykorzystującej liczby pseudolosowe). Należy pracować na zagregowanych wynikach z min. 25 uruchomień. Dla takich algorytmów podaje się średnią, odchylenie standardowe, najlepszy i najgorszy wynik.
• Wyniki badań umieszczamy w postaci odpowiednich tabel i wykresów. Po każdym takim elemencie powinien być opis wyjaśniający, co na nim widać (np. dla jakich wartości uzyskano najlepsze wyniki), a następnie wnioski (wnioski z wyników powinny być możliwie blisko tych wyników). Na końcu sprawozdania: wnioski końcowe.
• Jeśli wraz ze wzrostem wartości danego parametru rośnie jakość wyniku, to trzeba zwiększać ten parametr, dopóki nie nastąpi złamanie trendu (analogicznie, jeśli zaczynamy od dużych wartości parametru i prowadzimy eksperymenty w kierunku małych). Nie ma konieczności liniowej modyfikacji wartości parametru (możemy sprawdzić np. 1, 2, 5, 10, 20, 50, a potem zbadać okolice najlepszej wartości).
• Czasem wyniki różnią się nieznacznie; nie można wtedy na siłę wyciągać wniosku o tym, który wiersz w tabeli jest najlepszy.
• Kod przygotowujemy w języku Python.
• Raport: notatnik Jupyter lub plik PDF.

Oddawanie prac

• Oddawanie miniprojektów odbywa się na zajęciach. Oprócz tego kod wraz z raportem należy wysyłać e-mailem prowadzącemu ćwiczenia przed oddaniem.
• Kod źródłowy wraz z raportem projektu należy spakować (najlepiej w formacie .zip). Proszę nie wysyłać linków do GitLaba ani dysku w chmurze.
• W temacie e-maila proszę wpisać “WSI_CW” oraz nie przesyłać binariów, czyli bibliotek, plików wykonywalnych i wyników kompilacji. Jeśli plik okazuje się zbyt duży, należy sprawdzić, czy nie wysyłają Państwo katalogów ukrytych (np. .git), kodów istniejących bibliotek (np. CEC) lub plików z wykresami, które i tak są w sprawozdaniu.

Elementy wpływające na ocenę

• Jakość techniczna dokumentacji (brak literówek, używanie prawidłowego słownictwa).
• Jakość kodu (przydatność, czytelność, stabilność, uniwersalność).
  • Kod programu powinien być czytelny (samodokumentujący się).
  • W nagłówku każdego pliku z kodem należy umieścić informację o autorze.
  • Zaimplementowany algorytm musi być uniwersalny - nie może być związany z konkretnym zbiorem danych.
• Jakość badań (zakres badań, prezentacja wyników, zasadność i głębokość wniosków).
  • Typowym błędem są zbyt ogólne wnioski niemające poparcia w wystarczającej liczbie badań; np. jeśli dla konkretnego zadania wyszło, że dobra jest maksymalna wartość pewnego parametru, to nie znaczy, że zawsze powinien on mieć taką wartość.
  • Podawanie zbyt wielu cyfr po przecinku nie ma sensu. Zwykle podaje się 2-3 cyfry po przecinku.
• Nieznajomość własnego kodu czy nieumiejętność wyjaśnienia podjętych decyzji skutkuje obniżeniem oceny.
• Za opóźnienia w stosunku do podanych terminów przewidziano karę 20% pkt. za każdy rozpoczęty tydzień spóźnienia, przy czym ostatni dzień zajęć przed sesją egzaminacyjną jest ostatecznym terminem oceny wszystkich zadań.

Harmonogram zajęć