frontend: React, Tailwind
backend: Django Postgres
Integrated backend with Docker for containerization.
本專題聚焦於資料品質 (DQ) 及可解釋 AI (XAI) 兩大主題，致力於建立自動化流程，降低資料處理成本同時提升可靠度。
在資料品質方面，透過母數及無母數補值等補值方法提升資料可用性，並以 Differential Entropy & Canonical Relative Entropy、相關性等指標評估補值成果。關於DQ的詳細資訊，可以參考下面連結：
DQ repo: EDASH
可解釋 AI 透過 Active Learning 與使用者互動，適應各種客製化資料和需求；結合 Knowledge Distillation 確保主動學習過程的穩定性和降低最終參數量；最後透過 SHAP 評估模型的可解釋性以及 Counterfactual Explanation 協助使用者根據模型結果做進一步決策。這些模組的結合旨在建立全面的資料處理流程，確保模型的可靠性和解釋性，以提升整體效能。
Know More: Presentation PPT | Poster
https://drive.google.com/file/d/155tX3hSLL8DmC_Ts90cfWRs3gXJXQyK7/view
the website runs on http://localhost:5173/
cd frontend
npm install
npm run dev
- open your docker desktop (download from https://www.docker.com/products/docker-desktop/)
- need to add the tag --build to build an image for the first time
cd backend
docker compose up --build