Dokładność (accuracy) to stosunek poprawnie zaklasyfikowanych przez model przykładów testowych do wszystkich przykładów testowych.
Precyzja (precision) to stosunek poprawnie sklasyfikowanych diagnoz pozytywnych do liczby wszystkich przypadków, które model sklasyfikował jako pozytywne.
Chatbot wersja B
Brak informacji w dostarczonym źródle.
Chatbot wersja B
Ten kurs przybliża podstawy Uczenia Maszynowego (ML) z wykorzystaniem intuicyjnych przykładów. Skupia się na zadaniach praktycznych wykonywanych w narzędziu Google Teachable Machine. Składa się z czterech modułów: wprowadzenie do UM, dane w procesie UM, podstawowe pojęcia oraz metryki. Realizacja kursu powinna zająć około 2 godzin.
Chatbot wersja B
Zbiór uczący (treningowy) to dane, na których model się uczy, znając prawidłową klasyfikację. Zbiór testowy to przykłady, których model nie widział w procesie uczenia, używane do sprawdzenia jego skuteczności. To, jak model radzi sobie z danymi testowymi, jest miarą tego, jak dobrze został wytrenowany. W Google Teachable Machine dane są automatycznie dzielone w proporcji 85% (zbiór uczący) do 15% (zbiór testowy).
Chatbot wersja A.
Brak informacji w dostarczonym źródle.
Chatbot wersja C
Brak informacji w dostarczonym źródle.
Chatbot wersja A.
Brak informacji w dostarczonym źródle.
Chatbot wersja C
Brak informacji w dostarczonym źródle.
Chatbot wersja A.
Brak informacji w dostarczonym źródle.
Chatbot wersja C
Moduł pierwszy to "Wprowadzenie do Uczenia Maszynowego". Poznasz w nim definicję, podział i zastosowania Uczenia Maszynowego (UM). Zapoznasz się także z narzędziem Google Teachable Machine, w którym wykonasz pierwsze ćwiczenie praktyczne. Moduł kończy się testem cząstkowym.
Chatbot wersja A.