Sleep Stage Detection study as part of the final thesis of the Master IA^3.
- Conseguir un modelo que sea capaz de aprender algo.
- Probar con todos los datos.
- Plots que muestren las labels y las predicciones en función del tiempo.
- Matriz de transiciones entre estados.
- Probar un modelo de clasificación binaria que solo tenga que distinguir entre despierto y durmiendo.
- Crear una pipeline donde solamente tengamos que cambiar el modelo y tocar algunas palancas.
- Incluir W&B en la pipeline anterior. Esto implica decidir todas las cosas que nos gustaría trackear.
- Añadir opciones de normalización a los datasets custom.
- Hay que ver cómo hacemos para asegurarnos de que todos los datasets tienen el mismo mapeado de labels
- Normalizar datos con los valores de otros datos, para poder hacerlo bien entre test y train y todo eso. Ahora mismo se están normalizando con sus propios datos, pero meh.
- Arquitectura
- Canales usados
- Matriz de confusión
- Plot de labels/preds en función del tiempo
- Accuracy
- ¿F1?
| Tarea | Pablo | Francesco | Jorge |
|---|---|---|---|
| Problema binario | 👷 | ||
| Todos los datos | 👷 | ||
| Visualizaciones | ✅ | ||
| Normalización datasets custom | 👷 |
👷 → Work in progress ✅ → Completed