conversation_by_79w

[bot_external]

F-score to metryka, która stanowi próbę stworzenia bardziej uniwersalnej miary oceny modelu, oparta jednocześnie na precyzji (precision) i czułości (recall). Oblicza się ją jako średnią harmoniczną precyzji i czułości. Jest to uniwersalna metryka, z której można korzystać, gdy potrzebny jest kompromis między precyzją a czułością modelu.
[eduexe-source]25:1[/eduexe-source][eduexe-source]25:2[/eduexe-source][eduexe-source]26:4[/eduexe-source]

[student_1021_79w]

Jak poruszać się po tym kursie?

[bot_external]

Po kursie możesz nawigować za pomocą strzałek znajdujących się na dole ekranu (poprzedni/następny ekran), za pomocą menu z lewej strony (zawierającego spis treści) oraz za pomocą przycisków (tam, gdzie będą dostępne). Kolejne elementy kursu będą stawały się widoczne w miarę Twoich postępów. [eduexe-source]1:1[/eduexe-source]

[student_1021_79w]

Jak wypełnić kwestionariusz?

[bot_external]

Kwestionariusz początkowy, o którym mowa w kursie, to test wiedzy z podstaw Uczenia Maszynowego, który rozwiązuje się na początku kursu. Ma on na celu zorientowanie się, ile już wiesz w tej dziedzinie. Za ten test możesz zdobyć maksymalnie 10 punktów. Nie ma szczegółowych instrukcji dotyczących sposobu wypełniania, poza tym, że jest to test wiedzy.
[eduexe-source]1:1[/eduexe-source][eduexe-source]3:1[/eduexe-source]

[student_1021_79w]

Zadaj mi pytanie na temat uczenia maszynowego

[bot_external]

Dostarczamy naszemu modelowi UM dane o objawach pacjentów (czy występują, czy nie i w jakim stopniu), a także informację, czy u każdego pacjenta została czy nie została zdiagnozowana choroba X. Celem modelu ma być podejmowanie decyzji, czy pacjent jest chory na X na podstawie jego zestawu objawów. Mamy tutaj do czynienia z uczeniem...

1. nadzorowanym
2. nienadzorowanym
3. przez wzmacnianie
   [eduexe-source]7:7[/eduexe-source]

[student_1021_79w]

Myślę, że chodzi o uczeniu nadzorowanym

[bot_external]

Tak, masz rację. W opisanym przypadku, gdzie modelowi dostarczane są dane o objawach pacjentów wraz z informacją, czy u każdego pacjenta zdiagnozowano chorobę X (czyli prawidłowe etykiety wynikowe), mamy do czynienia z uczeniem nadzorowanym. [eduexe-source]7:6[/eduexe-source]

[student_1021_79w]

A podaj przykład uczenia nienadzorowanego

[bot_external]

Uczenie nienadzorowane (ang. unsupervised learning) to kategoria uczenia maszynowego, gdzie model nie ma dostępu do "prawidłowych odpowiedzi", a jego zadaniem jest samodzielne odkrycie wzorców i zależności w danych. Przykładowo, modelowi można dostarczyć wymieszane zdjęcia różnych gatunków zwierząt, a on, bez podawania nazw gatunków, podzieli zdjęcia według gatunków (np. "grupa zdjęć A jest wyraźnie różna od grupy zdjęć B"). Podstawowymi problemami uczenia nienadzorowanego są klasteryzacja i redukcja wymiarowości.
[eduexe-source]7:6[/eduexe-source]

[student_1021_79w]

Co to jest klasteryzacja

[bot_external]

Brak informacji w dostarczonym źródle.

[student_1021_79w]

Czy w kursie nie wyjaśniono tego pojęcia?

[bot_external]

Tak, pojęcie "klasteryzacja" jest wspomniane w kursie jako jeden z podstawowych problemów uczenia nienadzorowanego, ale nie zostało ono szczegółowo wyjaśnione ani zdefiniowane. [eduexe-source]7:6[/eduexe-source]

[student_1021_79w]

Ile czasu powinienem poświęcić na przejście tego kursu?

[bot_external]

Realizacja całego kursu powinna zająć Ci około 2 godzin. [eduexe-source]1:1[/eduexe-source]

[student_1021_79w]

Czy kurs dotyczy podstaw uczenia maszynowego, czy jest to wiedza dla zaawansowanych?

[bot_external]

Kurs dotyczy podstaw Uczenia Maszynowego. Jego celem jest przybliżenie tematyki podstaw UM z wykorzystaniem intuicyjnych przykładów. [eduexe-source]1:1[/eduexe-source]