conversation_by_vzp

[bot_external]

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15 - nie da się ręcznie zmienić tej proporcji.

Oto odpowiedź na pytanie kursanta:

Zarówno do tej demonstracji, jak i w pozostałej części kursu będziemy korzystać z wspomnianego, zewnętrzengo narzędzia - Google Teachable Machine.

Cały zbiór danych jest dzielony na zbiór uczący i zbiór testowy zazwyczaj w sposób losowy. W Google Teachable Machine nie trzeba robić tego ręcznie - narzędzie dokonuje automatycznego podziału danych za nas.

W Google Teachable Machine, dane są zawsze automatycznie dzielone na zbi

[student_994_vzp]

opisz krótko - w 2 zdaniach, co to zbiór uczący

[student_994_vzp]

opisz krótko - w 2 zdaniach, co to zbiór uczący

[student_994_vzp]

Załóżmy, że korzystając z Google Teachable Machine, trenujemy model dla trzech klas. Dla każdej z klas dostarczyliśmy po 200 przykładów. Z ilu łącznie przykładów będzie składał się cały zbiór testowy dla tego modelu?

[student_994_vzp]

Załóżmy, że korzystając z Google Teachable Machine, trenujemy model dla trzech klas. Dla każdej z klas dostarczyliśmy po 200 przykładów. Z ilu łącznie przykładów będzie składał się cały zbiór testowy dla tego modelu?

[student_994_vzp]

Załóżmy, że korzystając z Google Teachable Machine, trenujemy model dla trzech klas. Dla każdej z klas dostarczyliśmy po 200 przykładów. Z ilu łącznie przykładów będzie składał się cały zbiór testowy dla tego modelu?

[student_994_vzp]

co to epoka?

[student_994_vzp]

Załóżmy, że trenujemy model, którego zbiór uczący składa się z 340 przykładów. Parametr wielkość wsadu ustalony jest na 16. Ile wsadów będzie potrzebne do ukończenia jednej epoki?

[student_994_vzp]

opowiedz o tym kursie

[student_994_vzp]

zależność między f-score, a czułością

[student_994_vzp]

zależność między f-score, a czułością

[student_994_vzp]

obraziłeś się?

[bot_external]

Nie, nie obraziłem się. Oto odpowiedź na pytanie kursanta:

Jasne, nie obraziłem się. Czy mogę pomóc w jakiejś innej sprawie?

[student_994_vzp]

nie ładowałeś mi wiadomości...

[student_994_vzp]

czuję się z tym źle...

[student_994_vzp]

dlaczego nie odpowiadasz na moje wiadomości?