代写32513 31005 Advanced Data AnalyticsAlgorithms, Machine Learning代做留学生Python程序

日期：2025-09-30 04:28

32513 31005

Assignment Specification: Study, Implement and Present a Machine Learning Model, Presentation and Peer Review

1 Introduction

The  aim  of Assignments  A2  and  A3  is  to  strengthen  both  your  practical  proficiency in machine learning and your grasp of the technical intricacies underlying the learning process. You will be expected to:

•  perform a machine learning task, and

•  present  your  project  outcomes,  demonstrating  readiness  to  engage  with  related questions.

2 Specification of A2: Study, Implement and Present a Machine Learning Model

There are generally two categories of acceptable tasks for this assignment, based on the primary type of effort required.  This classification is intended to guide your focus during the project. While you may define your effort as a mixed type, you will not be penalised for crossing boundaries between categories.

Option 1: Study a fundamental machine learning model. The emphasis here is on theoretical foundations, including concepts and techniques such as hypothesis spaces, learning algorithms, and loss function design. To complete a project of this type, you must demonstrate a solid understanding of the technical details of a specific machine learning model.  Your work should be grounded in the learning theory framework introduced in the subject.

Option 2: Build a machine learning system to address a practical chal- lenge. The focus in this type is on applying your understanding of machine learning systems to real-world problems. Alignment and practicality are key.  You are expected to design a learning-based system that solves a task involving real-world data    such as predicting stock prices or recognising patterns in images or text.  The problem should be formulated in a computable way, and the learning objective (loss function) should be both computationally effective and practically meaningful.

Submission

Regardless of the category, an acceptable submission must include a computer program implementing the learning model, executable on a cloud-based computational platform.

Specifically, you will submit:

1.  A computer program (link to a cloud-based implementation, see below)

2.  A  project journal  (PDF),  due  5  Oct  2025,  11:59  pm(Canvas  upload),  including link  to  a  cloud-based  implementation  (e.g. https://colab.research.google. com/).  The project must be self-contained, including environment setup and data downloading and pre-processing.  If you are seeking to make a resource-intensive project, you must ensure that your accessor can run it without additional setup (it may involve hiring facilities for a short period of time).

3.  (optional) Presentation materials (e.g., slides or Jupyter notebooks)

If only  the journal  document  is  submitted,  a  single  PDF  file  upload  is  sufficient.   If additional materials are provided, they should be uploaded as a ZIP file within the limit of Canvas file size restrictions.

Use of AI tools is permitted with documentation and critical review in the journal.

Quality Assessment

The project will be assessed based on the following criteria:

• Definition of the Learning Task: Specify input/output for both training and deployment phases.

• Knowledge of Model and Algorithm: Explain key components and theory-to- code connection.

• Evaluation and Improvement: Define model behavior, loss function, and dif- ferences from practical objectives.

See later section 4 for detailed criteria.

3 Specification of A3: Presentation and Peer Review

In this assessment task, you will present your project to your peers and simultaneously act as an assessor for your classmates’ projects.   For each project you assess, you will evaluate the quality based on three criteria outlined below (refer to the A2 specification and the attached detailed criteria guidelines for more details).

In your presentation, you are expected to:

•  explain the key components of the machine learning model;

•  describe how these components are implemented as functions or objects in your code;

•  discuss the main technical challenges encountered;

•  evaluate the benefits and limitations of the chosen model.

You will rank each criterion as  “Poor,”“Fair,”or  “Excellent”and provide comments to justify your rankings.  Additionally, you will receive rankings and feedback from your peers and a tutor for your own project.

3.1 Timeframe of Presentations

The peer presentation and assessment process comprises three stages.  You will be as- signed to a group of six students (see your group page on Canvas), and each group will present during an allotted time slot.

A. Preparation (about one week before presentation)

By this time, your group members submission materials, the Zoom meeting link,  and your presentation time slot will be available on Canvas.

Action Items:

•  Review the peer reports you have received.

•  Prepare preliminary evaluations based on the A2 criteria—it ’s normal to have questions at this stage.

•  Note any unclear aspects and prepare questions for the presentation session.

•  Do not discuss your evaluations with peers before the presentation. The tutor will moderate to ensure impartiality.

B. Presentation Day

On presentation day:

•  Join the designated Zoom session at your scheduled time.

•  Verify your identity (student ID or equivalent).

•  Deliver your A2 project presentation and respond to questions from peers and the tutor.

•  Provide constructive feedback and ask questions during other presentations. Important Notes:

•  Clear, effective communication is essential. Refer to the assessment criteria below.

•  Within 24 hours of your presentation, post your observations and feedback (com- ments only, NOT scores/rankings) on your group page by replying to threads posted by the presentation chair.  Again, do NOT post evaluation grades.  Timely com- pletion of this step contributes to your A3 grade.

C. Post-Presentation and Grading

After presentations:

•  Review the peer and tutor feedback on your project.

•  Submit your final peer evaluations as a PDF on Canvas AFTER 24 hours ( this is to allow other students to post their comments and fulfil A3-criteria ).  A template will be available but not required—just include all requested information.

Procedure of the Presentation Sessions

Schedule

• Duration: Each presenter has 15 minutes during the peer-review, which includes a 5-minute presentation and a 10-minute question-and-answer period.

• Overtime Policy: Presentations exceeding 5 minutes will be considered as over- time and will result in reduction of A3 grade (see criteria below).  The session chair will end the presentation at 7 minutes if necessary, in order to ensure meaningful Q&A time within the schedule.

Q&A Session

• Purpose: Peers will ask questions to:

1.  Clarify relevant points about the project.

2.  Assess how the project aligns with the A2 criteria.

3.  Determine whether the  author  demonstrates genuine effort,  understanding, and critical thinking.

• Duration: This  session  will  last  approximately  10  minutes,  depending  on  the number of questions and presentation length.

• Activities for All Students:

— Take Notes: Document key points and insights from the presentation and Q&A to adjust your tentative evaluations of the A2 criteria.  This is the best time to identify whether the project reflects the author’s own understanding and effort or merely compiles external materials.

—  Assess Presentation Skills: Evaluate the presenter’s ability to communi-cate effectively and handle questions (refer to A3 Criteria below).

—  Observe Peer Engagement: Note the activity levels of other students, such as asking relevant questions and providing constructive feedback.

• Timing: The Q&A session ends 15 minutes after the presentation starts.  In case of an overtime presentation, the Q&A session will end 17 minutes after the presen- tation starts, including any overtime.

3.2 Submission

This is a recap of 3.1.C. There are two submission components for A3:

• Peer  Evaluation: Within  24 hours after the presentation provide feedback on your peers’ projects in group discussions on Canvas.

• Final Peer Evaluation: After 24 hours of the presentation, you will submit your peer evaluations as a PDF on Canvas.

3.3 Quality Assessment

Your A3 grade will be based on the following criteria:

• Clarity  of  Presentation: Clear  structure  and  effective  visual  communication that helps demonstrate your understanding of the solution, as well as the project’s meeting the A2 criteria.

• Question Handling: Demonstration of sufficient familiarity with the project to answer questions effectively.

• Peer Interaction: Active participation in peer-review discussions, contributing to the discussion by asking relevant questions and providing constructive feedback.

The criteria are detailed below (see section 5).

Clarifications

•  The program must be self-contained, including environment setup and data pro- cessing

•  Offline demo must match an online archived version (e.g., GitHub, Colab)

•  Option 1 requires algorithm implementation, not just use of libraries

•  Option 2 must use real, non-trivial datasets (no toy datasets like Iris or Titanic)

•  Proper validation scheme is required