przechoj / 2021l-wb-xai-1

Case Study course for DS studies in Summer 2020/2021

Warsztaty Badawcze - grupa 2021L-WB-XAI-1

Celem warsztatów jest poznanie sposobów komunikacji naukowej (artykuły, czasopisma, konferencje, prezentacje). Tematem zajęć jest wyjaśnialne uczenie maszynowe (eXplainable Artificial Intelligence), podczas laboratorium poznamy metody i techniki wyjaśnień, a następnie zaaplikujemy je do rozwiązania problemów przedstawionych podczas zajęć projektowych.

Warszataty Badawcze składają się z:

• wykładu
• zajęć laboratoryjnych
• zajęć projektowych

Terminy i tematy zajęć

ZAJĘCIA	DATA	LABORATORIUM	PROJEKT	PUNKTY
1	2021-02-26	eXplainable Artificial Intelligence (XAI) - wstęp, czyli co to takiego?	Jak będzie wyglądał projekt, nad czym będziemy pracować i jaki będzie efekt końcowy? Organizacja pracy.
2	2021-03-04	Teoretyczny i praktyczny wstęp do Machine Learning.
3	2021-03-11	Metoda Break Down oraz Shapley values.	Prezentacja wybranych tematów projektów.
4	2021-03-18	Omówienie pracy domowej 1.	Planowanie pracy nad projektem, jak efektywnie pracować w grupie, podział zadań i sposób weryfikacji rezultatów.	PD1 - 8 pkt.
5	2021-03-25	Metoda LIME.	Prezentacja wytrenowanych modeli.
6	2021-04-01	Omówienie pracy domowej 2.	Tytuł, wstęp i literatura - czyli jak zacząć pisać raport końcowy.	PD2 - 8 pkt.
7	2021-04-08	Profile Ceteris Paribus.	Jak działa `bookdown`? - czyli tworzymy szablon swojego raportu końcowego.
8	2021-04-15	Omówienie pracy domowej 3.	Jak opracowywać wyniki otrzymanych wyjaśnień?	PD3 - 8 pkt.
9	2021-04-22	Permutacyjna ważność zmiennych.	Wyjaśnienia lokalne - prezentacje postępów nad projektem oraz dyskusja.
10	2021-04-29	Omówienie pracy domowej 4.	Jak przygotować dobrą prezentację z wynikami projektu?	PD4 - 8 pkt.
11	2021-05-06	Profile PD i ALE.	Jak napisać dobre podsumowanie raportu?
12	2021-05-13	Omówienie pracy domowej 5.	Wyjaśnienia globalne - prezentacje postępów nad projektem oraz dyskusja.	PD5 - 8 pkt.
13	2021-05-20	Eksploracja modeli - interaktywna (idea modelStudio, arena)	Konsultacje przed prezentacją końcową.
	2021-05-21	Prezentacja projektu podczas wykładu.		20 pkt.
	2021-05-23	Wstępne oddanie projektów - dla chętnych.
14	2021-05-27	Dyskusja na temat projektów - podsumowanie/uwagi/co możemy poprawić, aby nasz raport był jeszcze lepszy?
	2021-06-04	Oddanie projektu.		40 pkt.
15	2021-06-10	Podsumowanie projektu/konsultacje.

Schemat oceniania (suma 100 pkt):

• 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.
  • praca domowa 1 [0-8 punktów]
  • praca domowa 2 [0-8 punktów]
  • praca domowa 3 [0-8 punktów]
  • praca domowa 4 [0-8 punktów]
  • praca domowa 5 [0-8 punktów]

Ocena	3	3.5	4	4.5	5
Punkty	(50, 60]	(60, 70]	(70, 80]	(80, 90]	(90, ∞)

Literatura

• Explanatory Model Analysis. Explore, Explain and Examine Predictive Models
• Interpretable Machine Learning. A Guide for Making Black Box Models Explainable
• XAI Stories. Case studies for eXplainable Artificial Intelligence
• BASIC XAI with DALEX