Proposal
Instructions:
LA PROPOSITION DE PROJET EST UN PLAN DE TRAVAIL
Inspirez-vous du modèle fourni pour structurer votre texte.
Check list et barème:
Bonus (TOTAL = 5 points supplémentaires):
- Tableau de statistique des données (2)
- Tableau de performances d’algorithmes (3)
A cette occasion, apprenez a modifier le “sample_code” et a utiliser Github pour “poussez” vos changements sur le repo.
Texte (TOTAL = 5 points):
Pour réussir: faites des recherches sur Internet pour trouver de bonnes idées; n’oubliez pas de CITER VOS SOURCES.
L’entête contient bien toutes les informations demandées. => 0.5
- Team name (e.g. malaria, scooter, …):
- Project name (e.g. MEDICHAL, XPORTER, …:
- Group name (V1, V2):
- Team members:
- Challenge URL:
- Github repo of the project:
L’introduction contient: => 1
- motivation et contexte du problème choisi
- pourquoi vous avez choisi ce problème
- problématique et description des données
- de quel type de problème s’agit-il: classification ou regression?
- description de la métrique
- resumé et justification des méthodes choisies par les binômes.
Les contributions des différents binômes sont bien précisées en 3 sections: => 0.5
- Visualisation
- Preprocessing
- Modèle prédictif
avec les noms des binômes associés aux questions.
Chaque binôme a indiqué dans sa section: (1 point par binôme => 3 points)
- La (ou les) méthode(s) choisies
- Une justification du (ou des) choix.
- Une explication de la contribution originale qui sera faite (nouvel algorithme, nouvelle implementation, et/ou comparaison systématique de méthodes.
- Une explication des ameliorations attendues par rapport au starking kit de M2 (ce qui implique qu’il faut expliquer ce qu’ils ont fait et contraster votre approche).
- Des references/citations pour supporter les affirmations ou donner du credit aux auteur de sotfware/algorithmes/methodes que vous allez utiliser.
Figures (TOTAL = 5 points):
Les figures sont:
- Informatives (de preference montrent des choses intéressantes sur VOS données et ne recopient pas juste les figures de README.ipynb).
- Numérotées
- Elles ont des labels sur les axes, un titre et des légendes lisibles et informatives.
- Référencées dans le texte.
- Assorties d’une citation de leur source.
Appendices (TOTAL = 5 points):
Le pseudo-code ou le schema des classes a: (1.5 points par binôme => 4.5 points)
- Une structure qui permet de comprendre comment les 3 modules (visualisation, preprocessing, et classification) vont interagir. Apprendre a se servir des pipelines pour le groupe preprocessing.
- Une structure simple et claire qui permet de comprendre la logique de la méthode.
- Suffisamment de details pour que quelqu’un puisse implementer la méthode.
- Pour chaque module, son TEST unitaire.
Les references bibliographiques sont: => 0.5 points
- Dans un format standard.
- Numérotées.
- Référencées dans le texte.
- Suffisamment nombreuses.
- Adéquates (donnent bien du credit aux auteurs originaux des méthodes et algorithmes).