[eduexe-intent]course_content[/eduexe-intent] Epoka (ang. epoch) to jedno pełne przejście modelu w czasie treningu przez wszystkie przykłady ze zbioru uczącego. Zazwyczaj potrzeba wielu epok, aby dobrze wytrenować model. Wsad (ang. batch size) to liczba przykładów treningowych (porcja danych), jaką model otrzymuje na raz do przetworzenia w pojedynczej iteracji. Zbiór uczący jest dzielony na takie porcje, czyli wsady. [eduexe-source]componentId:16:slideId:3[/eduexe-source] [eduexe-source]componentId:16:slideId:5[/eduexe-source] [eduexe-source]componentId:20:slideId:1[/eduexe-source]

[eduexe-intent]course_content[/eduexe-intent] Dane są niezbędne, aby uczenie maszynowe było możliwe, a ich odpowiedni dobór i przygotowanie są niezwykle ważne. Jakość i reprezentatywność danych bezpośrednio wpływają na skuteczność modelu. W kursie omówiono kilka problemów związanych z danymi, takich jak nietypowe przypadki testowe (graniczne), nierówna liczebność klas czy dane spoza zdefiniowanych klas, które mogą negatywnie wpłynąć na proces uczenia. [eduexe-source]11:1[/eduexe-source]