Información 2020.1 - UdeA¶
Esta es información para los matriculados en el curso ofrecido por el Departamento de Ingeniería de Sistemas, Facultad de Ingeniería, Universidad de Antioquia, Medellín.
2020 Semestre 1 - Universidad de Antioquia
REGISTRO DE GRUPOS DE PROYECTO (solo un registro por grupo)
Programa y Calendario¶
week start MARTES 10:00-12:00 JUEVES 10:00-12:00
------------------------------------------------------------------------------
W1 30/ago M1.INTRO PROY/LAB
W2 07/sep M2.PYTHON PROY/LAB
W3 14/sep M2.PYTHON PROY/LAB
W4 21/sep PROY/LAB PROY/LAB
W5 28/sep M3.MODEL_CALIBRATION PROY/LAB
W6 05/oct M3.MODEL_CALIBRATION PROY/LAB
W7 12/oct PROY/LAB PROY/LAB
W8 19/oct M4.DATA_MANAGEMENT PROY/LAB
W9 26/oct M4.DATA_MANAGEMENT PROY/LAB
W10 02/nov M5.MODEL_MANAGEMENT PROY/LAB
W11 09/nov M5.MODEL_MANAGEMENT PROY/LAB
W12 16/nov PROY/LAB PROY/LAB
W13 23/nov M6.UNSUPERVISED PROY/LAB
W14 30/nov M7.ALGO_DESIGN PROY/LAB
W15 07/dic M7.ALGO_DESIGN PROY/LAB
W16 14/dic PROY/LAB PROY/LAB
Calendario
1/sep/2020 Inicio de clases
26/oct/2020 Evaluación 40%
22/ene/2020 Fin clases
25-30/ene/2021 Exámenes finales
1-6/feb/2021 Habilitación y validación
6/feb/2021 Terminación oficial
Evaluación¶
50% LABS
20% AI4Everyone
30% PROYECTO
Fechas de entregas¶
01/oct/2020 REGISTRO GRUPOS DE PROYECTO
01/nov/2020 PROYECTO ENTREGA 1
09/nov/2020 LABS 1-4
18/dic/2020 Certificado AI for Everyone
23/ene/2021 LABS 5-7
30/ene/2021 PROYECTO ENTREGA 2
Proyecto¶
Tendrás que hacer un proyecto de analítica de datos para el cual deberás:
Definir un problema predictivo
Obtener un dataset para resolverlo
Realizar el preprocesado y limpieza de datos
Encontrar los mejores hiperparámetros para DOS algoritmos predictivos
Encontrar los mejores hiperparámetros para DOS combinaciones de algoritmo no supervisado + algoritmo predictivo
Realizar las curvas de aprendizaje para cada uno de los cuatro casos anteriores
Realizar una evaluación diagnóstica que contenga:
Para cada uno de los cuatro casos anteriores un diagnóstico de overfitting/bias etc.
Una recomendación justificada de qué pasos a seguir si tuvieras que intentar mejorar el desempeño obtenido.
Una evaluación sobre los retos y condiciones para desplegar en producción un modelo (como establecerías el nivel de desempeño mínimo para desplegar en producción, cómo se desplegaría en producción, cómo serían los procesos de monitoreo del desempeño en producción)
Podrán formarse grupos de 2 o 3 estudiantes
Entregas del proyecto¶
Tendrás que hacer dos entregas del proyecto:
ENTREGA 1: Un archivo llamado PROYECTO_FASE1.pdf en el que describas el problema predictivo a resolver, el dataset que vas a utilizar y las métricas de desempeño requeridas. Incluye igualmente un primer criterio sobre cual sería el desempeño deseable en producción (pasos 1 y 2).
ENTREGA 2: Un archivo llamado PROYECTO_FASE2.pdf en el que describas el resto de la ejecucióndel proyecto, con la evidencia necesaria. Tendrás que incluir una carpeta llamada PROYECTO_FASE2_MATERIALES donde incluyas todas las herramientas necesarias para reproducir los resultados que obtuviste (muestras de los datasets, notebooks, instrucciones de uso de las herramientas que hayas usado, etc.)
TODAS LAS ENTREGAS HAN DE DEPOSITARSE EN LA CARPETA DRIVE DE CADA ESTUDIANTE.
AI for Everyone¶
Deberás de completar el curso AI for Everyone. Los quizes incluirán preguntas sobre el mismo según se indica más arriba
Deberás de depositar el certificado de compleción en un fichero llamado CERTIFICADO_IA4EVERYONE.pdf en la carpeta compartida del curso.