Göm menyn

729G83 Kognitiv teknologi och artificiell intelligens

Beskrivning av projektuppgift


Ett sätt att genomföra projektarbetet är att fokusera på teori. Till exempel kan ni välja att jobba igenom någon av de modeller som presenteras i andra halvan av emergent wiki-boken (kap 6 - kap 10), alternativt något av de berömda nät som finns ute på Github, etc. Sammanfatta modellen kort men djuplodande(!). Beskriv sedan egna tankar kring hur modellen skulle kunna arbetas vidare med, t.ex. utökas eller anpassas till att få fram något annat beteende och/eller täcka nya data. Beskriv noggrant de konkreta arbetsstegen för att modellen ska kunna anpassas och sedan utvärderas.

Ett mer programmeringsinriktat sätt är att välja ut en existerande modell, och sedan utveckla en egen modell utifrån den existerande, genom att anpassa den för nya data. Viktigt att de nya data ni vill använda matchar de gamla data som den existerande modellen har blivit tränad med.

Det är ytterst viktigt att era nya data innehåller samma typ av information (features) och samma typ av labels som gamla data som den existerande modellen har blivit utvecklad för och blivit tränad med. Däremot kan era nya data vara från en annan "del av världen"; t.ex. kan era nya data vara kattbilder, medan gamla data är blandade bilder på alla möjliga saker. Notera att motsatsen inte skulle fungera på samma sätt: Ett existerande nätverk tränat på kattbilder, som ni vill anpassa till att hantera alla möjliga bilder, skulle i praktiken innebära att ni behöver träna ett nätverk från scratch.

Era nya data får gärna hämtas online, och vara väl förberedda genom att de är formatterade så att ni direkt kan använda dem för träning och testning. Däremot kommer ni som vanligt att behöva förbearbeta data, t.ex. normalisera, balansera förekomst av olika kategorier, etc. Här är det viktigt att ni noggrant dokumenterar de ändringar ni har gjort, samt tydligt presenterar de ändringar i beteende som ni har åstadkommit i modellen.

Väljer ni att jobba med CNN, kan det vara värt att använda Graphic Processor Units (GPU) för träning. Colab kan köra på både CPU och GPU, men kan bara användas 12 h i sträck. Tycker ni att detta är för snävt, finns Colab Pro, eller att köra på Google Cloud Platform (GCP). Se t.ex. Stanford Universitets instruktioner för hur man kommer igång med GCP. Använd ert privata gmail för att skapa konto på GCP. Och stäng alltid ner er VM när den inte används, annars kan det bli väldigt dyrt!.

Projektresultaten rapporteras skriftligt (t.ex. genom att länka till er jupyter notebook), samt presenteras muntligt på ett slutseminarium. Se kursens Examinations-sida för mer detaljer.

Resurser


Sidansvarig: Rita Kovordanyi
Senast uppdaterad: 2023-10-10