Skip to content

Latest commit

 

History

History
92 lines (65 loc) · 4.5 KB

M00_20201udea.md

File metadata and controls

92 lines (65 loc) · 4.5 KB
Raw

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

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%
18/dic/2020     Fin clases
18-23/ene/2021  Exámenes finales
25-30/ene/2021  Habilitación y validación
 1/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
15/ene/2021     LABS 5-7
23/ene/2021     PROYECTO ENTREGA 2

Proyecto

Tendrás que hacer un proyecto de analítica de datos para el cual deberás:

  1. Definir un problema predictivo
  2. Obtener un dataset para resolverlo
  3. Realizar el preprocesado y limpieza de datos
  4. Encontrar los mejores hiperparámetros para DOS algoritmos predictivos
  5. Encontrar los mejores hiperparámetros para DOS combinaciones de algoritmo no supervisado + algoritmo predictivo
  6. Realizar las curvas de aprendizaje para cada uno de los cuatro casos anteriores
  7. Realizar una evaluación diagnóstica que contenga:
    1. Para cada uno de los cuatro casos anteriores un diagnóstico de overfitting/bias etc.
    2. Una recomendación justificada de qué pasos a seguir si tuvieras que intentar mejorar el desempeño obtenido.
    3. 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.