Tema: Trabajo final | Aprendizaje Automático para Datos en Grafos-semestral

Diagrama de temas

Sobre el trabajo final
Se trata de un pequeño proyecto de investigación (unas 50 horas de dedicación según el programa) en el que pueda investigar y aplicar herramientas y algoritmos de análisis de grafos/redes de última generación a una aplicación de su preferencia.
Debe seleccionar un tema específico relacionado con el aprendizaje automático en grafos/redes y realizar un survey relativamente profundo del tema. Esto incluye encontrar buenas fuentes en la literatura (artículos de investigación, libros de texto, diapositivas de presentación, etc.), posiblemente realizar algún análisis y/o simulaciones numéricas para experimentar con conjuntos de datos de red interesantes y proporcionar un resumen detallado de las ideas principales. El proyecto es un estudio en profundidad de un tema específico; no es solo un resumen de algunos trabajos de investigación. Si desea ser más ambicioso, también puede realizar investigación original sobre el tema seleccionado además del survey del tema (posiblemente resultando en una publicación de conferencia), pero esto no es obligatorio.
Somos bastante flexibles con el tipo de estudio que se puede realizar. Típicamente estos pueden ser de los siguientes dos tipos (o una combinación de ambos):
Una evaluación experimental de algoritmos y modelos sobre datos de red interesantes, implementando su propio código y/o investigando software existente para el análisis de redes.
Un proyecto analítico que considera un modelo, un algoritmo o una propiedad de red y deriva un resultado teórico riguroso al respecto.
Pero también se pueden realizar trabajos sobre implementaciones escalables / más eficientes de algoritmos para el procesamiento de datos de red a gran escala, o podría pensar en recopilar sus propios datos de la web, redes sociales, etc. para el análisis posterior.
Para los estudiantes de posgrado, se sugiere que hable con su director de tesis (si tiene uno) sobre un posible tema relacionado con redes/grafos. Si no es estudiante de posgrado, no tiene DT o simplemente desea feedback, puede consultar con los docentes. Podemos coordinar una reunión para hacer sugerencias, lluvia de ideas, ayudar a refinar sus ideas iniciales o indicarle conjuntos de datos, código, documentos y otros recursos (además de los disponibles en la web del curso). En todo caso, es importante elegir un área de aplicación que esté relacionada con su investigación actual o futura.
Evaluación
Los trabajos se evaluarán en función de los siguientes criterios:
Calidad técnica. ¿Es el proyecto técnicamente sólido? ¿Son razonables las suposiciones de modelado y los algoritmos probados? ¿Las conclusiones sugieren un pensamiento crítico en profundidad sobre el tema elegido, posiblemente transmitiendo ideas novedosas sobre el problema y / o algoritmos elegidos?
Importancia. ¿Es este un problema interesante y oportuno para trabajar? ¿Es útil este trabajo y es probable que el área de investigación subyacente tenga impacto?
Claridad de presentación. ¿Con qué eficacia se transmiten los resultados de la investigación?

Sobre la propuesta del trabajo

La propuesta de proyecto debe resumir lo que planea hacer para su proyecto. El informe no debe exceder las 3 páginas y debe incluir:
Una descripción clara del problema que abordará.
Ideas preliminares sobre cómo planea abordarlo (modelos / algoritmos / técnicas).
Referencias bibliográficas básicas que consultará.
Si corresponde, qué herramientas de software necesitará para su trabajo (o si planea escribir su propio código, qué lenguaje usará).
Conjunto(s) de datos con los que trabajará.
Lo que espera producir como resultado de su trabajo y cómo juzgará el éxito del proyecto.
Cualquier otra cosa que crea que deberíamos saber para evaluar sus planes.

Sobre el informe del trabajo final.
El informe final debe proporcionar una descripción clara y detallada de lo que hizo, los resultados que obtuvo y lo que ha aprendido y concluido de su trabajo. El informe no debe exceder las 12 páginas y debe incluir:
Una introducción motivadora, revisión de la literatura de trabajos anteriores relevantes y una declaración clara del problema en forma finalizada.
Si recopiló sus propios datos para construir un grafo, describa ese proceso.
Para todos los que correspondan, proporcione derivaciones matemáticas, descripciones detalladas de modelos y algoritmos que haya utilizado, adaptado o desarrollado.
Descripción de sus experimentos, mostrando los resultados obtenidos y una discusión relevante basada en sus observaciones.
Conclusiones que indiquen las metas logradas y lo que aprendió, así como posibles extensiones o direcciones futuras.
Una lista de referencias relevantes.

Se recomienda fuertemente usar LaTeX para ambas entregas. Puede usar cualquier template de paper con letra tamaño 10 con el que se sienta cómodo, overleaf ya trae varios pre-cargados (ver por ejemplo https://www.overleaf.com/gallery/tagged/ieee-official o https://www.overleaf.com/gallery/tagged/conference-paper). Para consejos de redacción, puede consultar la siguiente guía: https://iie.fing.edu.uy/personal/flarroca/teaching/recomendaciones-para-la-redaccion-de-una-tesis/.