Wprowadzenie do sztucznej inteligencji - ćwiczenia

Nie używam Teams, w razie potrzeby proszę kontaktować się mailem.

• poprawność implementacji - czy prawidłowo zaimplementowano wskazany algorytm: 72%. Błędy mające wpływ na uzyskane wyniki (czyli i wnioski) są karane. Szczególne duże kary otrzymuje implementacja wykonana wbrew temu co było opisane na wykładach.
• zakres badań - czy było odpowiednio dużo badań, czy zbadano odpowiednie cechy, czy wyniki mają sens: 14%
• wnioski - czy istnieją wnioski, czy są prawidłowe: 14%. Typowym błędem są zbyt ogólne wnioski nie mające podparcia w wystarczającej liczbie badań, np. jak dla konkretnego zadania wyszło, że dobra jest maksymalna wartość pewnego parametru, to nie znaczy, że zawsze powinien on mieć taką wartość.

• Oddawanie miniprojektów odbywa się na zajęciach. Oprócz tego kod wraz z dokumentacją należy wysyłać e-mailem prowadzącemu ćwiczenia (nie link do gitlaba czy dysku w chmurze). W temacie e-maila proszę wpisać "WSI_CW". Kod źródłowy wraz z dokumentacją projektu należy spakować. Nie należy używać formatu .rar. Preferowany format to .zip. Proszę nie przesyłać binariów, czyli bibliotek, plików wykonywalnych, wyników kompilacji. Archiwum powinno nazywać się tak jak nazwisko autora, np. Kowalski.zip. Jeśli plik okazuje się zbyt duży, to należy sprawdzić, czy nie wysyłacie Państwo katalogów ukrytych, np. .git, oraz czy nie wysyłacie kodów istniejących bibliotek (np. CEC), czy plików z wykresami, które i tak są w sprawozdaniu w pdf.
• Na początku dokumentacji należy podać polecenie tak jak zostało sformułowane przez prowadzącego, a następnie jego interpretację (jeśli potrzeba).
• Wyniki badań umieszczamy w tabelach. W tabeli zmieniamy tylko jedną rzecz na raz. Przykładowo, chcąc zbadać wpływ zmiany rozmiaru populacji z 20 na 40 osobników należy stworzyć tabelę:

  Parametr	min	śr	std	max
  mu=20	1,23	2,34	0,11	3,45
  mu=40	1,03	2,49	0,91	3,51

• Po każdej tabeli z wynikami powinien być opis wyjaśniający co w niej widać (np. dla jakich wartości uzyskano najlepsze wyniki), po czym wnioski (wnioski z wyników powinny być możliwie blisko tych wyników. Na koniec sprawozdania wnioski końcowe).
• Jak ze wzrostem wartości danego parametru rośnie jakość wyniku, to trzeba dopóty go zwiększać, dopóki nie nastąpi złamanie tego trendu (analogicznie jeśli zaczynamy od dużych wartości parametru i prowadzimy eksperymenty w kierunku małych). Nie ma konieczności liniowej modyfikacji wartości parametru (możemy sprawdzić np. 1, 2, 5, 10, 20, 50, po czym zbadać jeszcze okolice najlepszej wartości).
• Czasem wyniki różnią się nieznacznie, nie można wtedy na siłę wyciągać wniosku o tym, który wiersz w tabeli jest najlepszy.
• Próba oddania kodu innej osoby lub kodu z Internetu kończy się uzyskaniem oceny 0 (może mieć też dalej idące konsekwencje). Posiadamy bazę implementacji istniejących w Internecie oraz kody z poprzednich realizacji przedmiotu. Zmiana nazw zmiennych, funkcji i klas, czy dodanie komentarzy, nie wystarczy do uznania kodu za nowy.
• Nie można wyciągać wniosków na podstawie jednego uruchomienia metody wykorzystującej liczby pseudolosowe. Należy pracować na zagregowanych wynikach z min. 25 uruchomień. Dla takich algorytmów podaje się średnią, odchylenia standardowe, najlepszy i najgorszy wynik.
• Państwa zadaniem nie jest czytanie w myślach. Jeśli po kilkukrotnym przeczytaniu tematu projektu, przejrzeniu stosownych slajdów z wykładu i zadaniu pytań wyszukiwarce internetowej, nadal Państwo nie rozumieją tematu zadania to należy zapytać. W przypadku pojawiających się wątpliwości należy pytać prowadzącego na ćwiczenia.
• W Polsce separatorem dziesiętnym jest przecinek, nie kropka.