jowike / 2021l-wb-rashomonml Goto Github PK

Podczas warsztatów jest przejdziemy przez kolejne etapy pracy naukowej, skupimy się na odtwarzaniu wyników artykułów naukowych, tworzeniu nowych wyników, oraz napisaniu mini-artykułu. Tematem zajęć jest stworzenie modeli uczenia maszynowego dla problemów medycznych (predykcja śmiertelności, predykcja ciężkiego przebiegu choroby). Będziemy pracować na dużej, ogólnodostępnej bazie danych MIMIC.

Warszataty Badawcze składają się z:

• wykładu
• zajęć laboratoryjnych i projektowych

• praca domowa 1
• praca domowa 2
• praca domowa 3
• praca domowa 4
• praca domowa 5
• praca domowa 6
• praca domowa 7
• praca domowa 8

Repozytorium z raportami końcowymi

• raport końcowy - 40 pkt.
• wstęp, motywacja [0-8 punktów]
• literatura [0-4 punktów]
• główne wyniki pracy [0-16 punktów]
• wnioski [0-8 punktów]
• jakość wykresów/wizualizacji/diagramów [0-4 punktów]
• prezentacja - 20 pkt.
• prezentacja wyników projektu podczas wykładu (oceniana przez wszystkich prowadzących)
• praca na laboratoriach (prace domowe) - 40 pkt.

• Statistical Modeling: The Two Cultures
• A study in Rashomon curves and volumes: A new perspective on generalization and model simplicity in machine learning
• All Models are Wrong, but Many are Useful: Learning a Variable’s Importance by Studying an Entire Class of Prediction Models Simultaneously
• Predictive Multiplicity in Classification
• Interpretable Machine Learning: Fundamental Principles and 10 Grand Challenges
• prezentacja Cynthi Rudin

• Explanatory Model Analysis. Explore, Explain and Examine Predictive Models
• Interpretable Machine Learning. A Guide for Making Black Box Models Explainable