Læringsplan uge 19-20
- Rasmus Rosengaard Nielsen
- 6. maj
- 3 min læsning
Opdateret: 17. maj
Efter lidt udfordringer i uge 17-18 har jeg valgt at revurdere min portifølje og derved ændre opsætning af min logbog.
Kortsigtede ML:
Udarbejde et linear regression projekt, samt flere algoritmer
Viden om unsupervised og reinforcement learning
Viden om unsupervised algortimer herunder, k-means, fuzzy c-means, Hierarchical Clustering og hvilke kategorier der er indenfor unsupervised såsom soft og hard clustering.
Udarbejde turtorials i google colabl, til at implemntere linear regression og hvordan man kan bruge mse r2 og gradient descent til at optimere
Have styr på overfitting/underfitting, naive bayes, MSE, R2, Support vector machine evt noter
Kortsigtede React:
Kunne deploy et react project til internettet, så det offentligt tilgængeligt
Kunne optimere et react project, herunder inddele eksisterende kode i lag.
Fælles:
Finpudse læringsmål så de afspejler det jeg har lært og gerne vil lære det sidste stykke tid.
Uge 19
Mandag
Aktivtet
Produktmøde og lave målheraki til webudvikling, for at forbedre langsigtedelæringsmål, de indeholder de vigtigteste emner jeg har været igennem indtil videre.
Evaluering
Produktmøde, blev vi enige om at pga. manglede svar fra PO, at gå mere selvstændigt til værks, og derved fokusere på indviduelle projekter.
Jeg fik lavet et målheraki til webudvikling, og fået lavet nogle fine læringsmål synes jeg selv.
Litteratur
----
Tirsdag
Aktivtet
Processmøde, planlægning af læringsplan uge 19-20. Finde litteratur Machine learning til onsdag-torsdag.
Evaluering
Troede der var process, så jeg fik da en gåtur til skolen.
Litteratur
Onsdag
Aktivtet
Få overblik over langt jeg er i ML og hvilket mål jeg mener er realisitisk. Begynde på materiale som er fundet tirsdag/onsdag
Få lavet et mål heraki, til langsigtede læringsmål.
Evaluering
Litteratur:
Torsdag
Aktivtet
Begynde ml projekt med klunz, Erfa.
Dataindsamling: Lave datasæt med husleje priser i Odense, med udgangspunkt i kvm, antal værelser, opvaskemaskine, ny-renoveret?.
Evaluering
Fået lavet et semi lille datasæt med husleje priser og andre features, derudover har jeg fulgt en turtorial hvor det samme princip bare med car price prediction udfra nogle features.
Fredag
Aktivtet
Møde på skolen med klunz, og træne en linear regression model med mulitple features udfra det indsamlede datasæt.
Evaluering
Fik det op og køre, modellen virker tilfredsstilende indenfor området lejligheder der koster ca. 7000-8000
Vi konkludere at datasætte var for småt på nolge områder, og at en del af lejligheder ikke nævner om der f.eks. er opvaskemaskine med.
Litteratur
Uge konklusion
Fået arbejde det sidste med linear regression og klar til at gå videre til unsupervised learning og reinforcement learning, for at nå at kunne det på videns niveau.
Uge 20
Mandag
Aktivtet
Unsupervised introduktion
Evaluering
Fik kigget på unsupervised, og skrevet lidt noter til forskellige algoritmer og hvornår man kan bruge unsupervised
Litteratur
Tirsdag
Aktivtet
Gradient descent, skabe forståelse og evt. selv køre et eksempel manuelt
Evaluering
Jeg har fået lavet et google colab, hvor jeg gennemgår gradient descent og viser hvordan den iterativt forbedre parametre og måler dette med MSE.
Litteratur
Onsdag
Aktivtet
Arbejde videre på react project
Evaluering
Fik rekonstrukteret en del af mit projekt, så det følger bedre practices som gør koden og projektet arkitekturen nemmere at forstå.
Litteratur
Torsdag
Aktivtet
Unsupervised algoritmer, fuzzy c-means, Hierarchical Clustering Algorithms, Clustering as a Mixture of Gaussians.
Naive Bayes
Evaluering
Jeg har fået skrevet noter og skabt god forståelse for ovenovernævnte undtaget guassians, da jeg blev lidt træt i hovedet.
Finpudset ML læringsmål med opdatering af unsupervised, og tilføjet hvad jeg føler jeg mangler at have styr på fra supervised: overfitting/underfitting, SVM, naive bayes og decision tree. Det tænker jeg resten af tiden skal gå med, evt. lave et lille projekt til hver.
Tilføjelse: Om aftenen fik jeg set video om Naive Bayes, overfitting, underfitting, bias og variance og skrevet noter til dette.
Litteratur
Lagt ind i litteraturlisten.
Fredag
Aktivtet
Identifcere huller i React, arbejde videre på soloproject tilføje mere funktionalitet
Evaluering
Ikke fået lavet noget
Litteratur
Lørdag
Aktivtet
Arbejde, upload læringsmål til porto og finpudse.
Evaluering
Litteratur
Uge konklusion
ML:
Færdig med unsupervised på videns niveau, resten af tiden kommer til at få fokus på det jeg føler jeg mangler forståelse for indefor supervised og de to sidster emner indenfor unsupervised:
Som er: Association (associationsregler) og Dimensionality reduction (dimensionsreduktion)
I supervised: SVM, og decision tree.
Det tænker jeg resten af tiden skal gå med, evt. lave et lille projekt til hver.
Derudover har jeg fået styr på gradient descent og dens anvende til lineær regression. Når jeg har styr på det, synes jeg det lugter af jeg har udfyldt mine opdaterede læringsmål.
React:
Ikke rigtig fået lavet noget, næste uge vil jeg begynde og optage til react og ML.
Comments