[eduexe-intent]other[/eduexe-intent] Wyobraźmy sobie, że system UM ma klasyfikować eseje uczniów na "Zaliczone" i "Niezaliczony". Uczenie Maszynowe (UM) uczy się reguł oceny z przykładów (danych z etykietami "Zaliczone"/"Niezaliczony"), zamiast być programowanym. [eduexe-source]7:1[/eduexe-source] [eduexe-source]7:6[/eduexe-source] Model to "wiedza" systemu, a algorytm to metoda, jaką się uczy. [eduexe-source]7:1[/eduexe-source] Funkcja straty mierzy błędy w ocenie, a optymalizacja je minimalizuje. [eduexe-source]7:1[/eduexe-source] To przykład klasyfikacji w uczeniu nadzorowanym. [eduexe-source]7:8[/eduexe-source]

[eduexe-intent]student_progress[/eduexe-intent] Nie wiesz, co dalej? Poprzednio zauważyliśmy, że masz kilka niepoprawnych odpowiedzi w quizach oraz słaby wynik w teście cząstkowym z modułu "Dane w procesie UM". Sugeruję wrócić do materiałów z tego modułu, zwłaszcza do komponentów [eduexe-source]11:1[/eduexe-source] i [eduexe-source]12:1[/eduexe-source], aby utrwalić wiedzę, a następnie spróbować ponownie rozwiązać test cząstkowy [eduexe-source]13:1[/eduexe-source].