2023-11-23 Meeting #3

TODO

1. Fokusējamies uz dabulārajiem datiem Izvēlēties un dokumentēt datu kopas - akciju cenas, laika apstākļi - kaggle?

   1. Cik daudz paraugi?

   2. Vai un kāds ir train, test, validation split?

   3. Kā nosaka nenoteiktību? Stdv?

   4. Kāds augstākais acc? Ja ļoti augsta precizitāte vai cita metrika ļoti precīza, tad datu kopa pārāk tīra, lai testētu nenoteiktību

2. SLR pievienot: Datu kopas, Citātu skaits gadā

3. Izpildīt AI kursa uzdevumus, ja netiek pildīti uzdevumi nebūs pamatzināšanas, lai veiktu pētījumu

4. Overleaf sākt rakstīt SLR un Saistītie pētījumi nodāļas

5. Vēlams SLR rakstīt šādā veidā (vertikālas tabulas): http://share.yellowrobot.xyz/quick/2023-11-8-C8BA5CFB-675C-477E-82B8-8E9BD405488A.pdf

Tēma: Dziļo ansambļu modeļu salīdzinājums nenoteiktībai tabulārajos datos.

Mērķis: Atkārtot dziļo ansambļu modeļu metodes un notestēt modifikāciju ietekmi uz nenoteiktības noteikšanu tabulārajos datos.

Uzdevumi:

1. Apgūt dziļajā māšīnmācīšanā balstītās metodes nenoteiktības noteikšanai

2. Veikt sistemātisko literatūras analīzi

3. Atrast datu kopas, kuras būtu piemērots nenoteiktu datu klasifikācijai vai regresijai

4. Atrast un apgūt rādītājus ar kuriem noteikt modeļu veiktspēju

5. Eksperimentāli salīdzināt priekšapstrādes metodes, lai uzlabotu runas atpazīšanas modeļu rezultātus.

6. Publicēt rezultātus zinātniskā publikācijā.

Darba struktūra:

• Ievads (bez apakš nodaļām) - 1lpp

  • Super vienkāršots ievads

  • Uzdevumi

  • Mērķi

• Saistītie pētījumi

  • Nevar uzreiz sekot apakš nodaļas jābūt nelielam saistošam tekstam

  • Mazliet pamata teorija, bet ne dziļi, jo RTU nepatīk, ka apraksta teoriju

  • Modeļi un metodes, sheamtiski - 3-6lpp

• Sistemātiskā literatūras analīze

  • Tabulas

  • Kvalitātes kritēriji

  • Zem katras tabulas paskaidorojumi

  • Mērķis “izvēlēties” labāko modeli un metrikas tālākam darbam

• Metodoloģija - 15 lpp

  • Datu kopa

    • Datu Paraugi, Histogrammas pēc klasem ut

    • Paši paraugi kā piemēri

  • Apmācību un testēšanas protokls

    • Shēma kā tiks apmācīts un testēts rezultāts

  • Metrikas

  • Modeļu arhitektūras vai metodes

    • Modeļu shemas

• Rezultāti - 10 lpp

  • Tabula ar Validācijas kopām

• [Rezultātu analīze / Diskusija]

• Tālākie pētījumi - 1lpp

• Secinājumi - 1lpp

Literatūras avoti

Artificial Intelligence Modern Approach, 4th edition (vecākās trūkst info par Deep Learning)

Some of books to use:

https://www.math.uwaterloo.ca/~hwolkowi/matrixcookbook.pdf https://www.deeplearningbook.org/contents/mlp.html https://d2l.ai/d2l-en.pdf http://152.67.89.169/1629722468-deep-learning-theory

Great explanations of basic maths: http://mathproofs.blogspot.com/2006/07/dot-product-and-cosine.html

Rakstīšanas resursi

IT AI un Datorzinātņu Termini Latviešu Valodā: http://share.yellowrobot.xyz/website/IT%20AI%20Termini%20Latviesu%20Valoda.html

RTU gala darbu sagatave LaTeX: https://www.overleaf.com/read/chsqbcssfrwb

LaTeX useful tools and sniplets http://share.yellowrobot.xyz/website/LaTeX%20useful%20tools%20and%20sniplets.html