Годовой проект (ИИ25)
Содержание
О проекте
🫐Проект командный в группах 2-4 человека (не больше); при остром обоснованном желании можно делать индивидуально
🫐У каждой команды будет куратор, который будет сопровождать команду на протяжении всего года
🫐У проекта будет 7 промежуточных контрольных точек (чекпойнты) - за их полное выполнение к дедлайну ставится 0.5 баллов из 10 итоговых
🫐Проект программный - то есть во всех проектах (во всех!) должен быть реализован сервис/бот/программная часть по требованиям, которые мы опубликуем ближе к нужному чекпойнту
🫐Основной трек называется ML - на него вы идете (и выбираете проекты из этого трека), если у вас нет опыта работы с нейросетями и достаточных знаний по ним; если же вы имеете и знания, и опыт работы с нейросетями - под свою ответственность можете выбирать проекты из трека DL/research
🫐Про уровни сложности: нет опыта/знаний - берем base, есть опыт/знания - берем middle, вы круче наших преподов - берем pro
Документ с описанием практической подготовки (проект/ВКР) на странице программы: https://www.hse.ru/mirror/pubs/share/1080448458.pdf
Формула оценки
O = 0.5 * N + 0.325 * (O_predefense + O_defense), где
- N - число полностью сделанных в срок чекпойнтов (по шкале 1 - сделано полностью / 0.5 - сделано частично / 0 - не сделано к дедлайну),
- O_predefense = O_defense = 0.6 * индивидуальная оценка куратора за полугодие + 0.4 * командная оценка комиссии на защите
Чекпойнт 1
✔️Создать чат с командой и добавить куратора
✔️Созвониться с куратором и познакомиться
✔️Зафиксировать итоговую тему работы и план работы на год (с учетом чекпойнтов)
✔️Создать на github репозиторий проекта и в readme.md отразить итоговую тему, состав команды, куратора и план работы. Оформить readme красиво
✔️За выполнение чекпойнтов к дедлайну идет оценка (1/0.5/0), и если выполнить чекпойнт позже дедлайна - будет 0
Дедлайн: 6 октября 23:59
Чекпойнт 2
Дедлайн: 2 ноября 23:59
Чекпойнт 3
Дедлайн: 27 ноября 23:59
Ориентировочное описание чекпоинтов для треков ML/DL/research
Трек ML:
1. Знакомство с куратором, постановка и уточнение задачи, план на год
2. Сбор данных и EDA
3. Линейные модели ML
4. Нелинейные модели ML, feature-engineering и выбор лучшего ML-решения
5. Создание сервиса с имплементацией лучшего ML-решения
6. DL-модели
7. Доработка задачи: улучшение сервисной части по обратной связи от команды курса П.Р.; тюнинг DL-моделей и выбор лучшего решения overall
Трек DL:
1. Знакомство с куратором, постановка и уточнение задачи, план на год
2. Сбор данных и EDA
3. Изучение существующих подходов для решения поставленной задачи и близких по формулировке; реализация бейзлайна (что-то максимально простое - быть может, даже ML)
4. Любое улучшение бейзлайна - реализация более сложного подхода из списка существующих или осуществление собственных идей
5. Создание сервиса с имплементацией лучшего ML-решения
6. Эксперименты с DL-архитектурами, выбор и тюнинг лучшей/лучших архитектур
7. Доработка задачи: улучшение сервисной части по обратной связи от команды курса по промышленной разработке
Трек Research:
1. Знакомство с куратором, постановка и уточнение задачи, план на год
2. Сбор данных и EDA
3. Изучение существующих подходов для решения поставленной задачи и близких по формулировке; реализация бейзлайна (что-то максимально простое - быть может, даже ML)
4. Эксперименты с DL-архитектурами, выбор и тюнинг лучшей/лучших архитектур
5. Создание сервиса с имплементацией лучшего ML-решения
6. Непосредственно research в данной задаче: тестирование различных гипотез, подбор архитектур, метрик и другие релевантные для задачи вещи
7. Доработка задачи: улучшение сервисной части по обратной связи от команды курса П.Р.; завершение research-части и подведение итогов по проведенным исследованиям
