conversation_by_sdu

[bot_external]

[eduexe-intent]student_progress[/eduexe-intent]
Najważniejszą rzeczą, którą powinieneś/powinnaś teraz zrobić, jest aktywne rozpoczęcie nauki w bieżącym module. Jesteś w komponencie "B1 - Dane w procesie uczenia", ale nie spędziłeś/spędziłaś w nim jeszcze czasu.

Pierwszy konkretny krok: Zapoznaj się z treścią pierwszego slajdu "Dane w procesie uczenia się" w komponencie "B1 - Dane w procesie uczenia". [eduexe-source]11:1[/eduexe-source]

[student_1130_sdu]

Na podstawie aktualnej części kursu i moich postępów zadaj mi 2-3 krótkie pytania kontrolne. Nie podawaj od razu odpowiedzi; najpierw sprawdź moje rozumienie.

[bot_external]

[eduexe-intent]student_progress[/eduexe-intent]
Dobrze, bazując na Twoich postępach w komponencie "B1 - Dane w procesie uczenia", przygotowałem 3 krótkie pytania kontrolne, które pomogą Ci sprawdzić zrozumienie materiału:

1. Dlaczego, według omówionych treści, odpowiedni dobór i przygotowanie danych jest tak kluczowe w procesie uczenia maszynowego? [eduexe-source]11:1[/eduexe-source]
2. Co może się stać, gdy model natrafi na dane, które nie należą do żadnej z klas, na których był trenowany? [eduexe-source]11:5[/eduexe-source]
3. Jakie jest znaczenie posiadania podobnej liczby reprezentantów w każdej klasie w zbiorze uczącym? [eduexe-source]11:4[/eduexe-source]

[student_1130_sdu]

pierwsze pytanie: bo muszę jakoś wyuczyć model

[bot_external]

[eduexe-intent]course_content[/eduexe-intent]
Twoja odpowiedź jest częściowo prawidłowa – dane są rzeczywiście niezbędne do wytrenowania modelu. Jednakże, zgodnie z omówionymi treściami, odpowiedni dobór i przygotowanie danych jest kluczowe, ponieważ błędy lub niedostateczna jakość danych mogą prowadzić do tego, że model nie będzie działał poprawnie i będzie popełniał błędy w klasyfikacji, nawet jeśli zostanie wytrenowany. [eduexe-source]11:1[/eduexe-source]

[student_1130_sdu]

drugie pytanie: klasyfikacja będzie niepoprawna

[bot_external]

[eduexe-intent]other[/eduexe-intent]
Twoja odpowiedź jest poprawna – klasyfikacja będzie niepoprawna.

Model, natrafiając na dane spoza klas, na których był trenowany, zawsze spróbuje przypisać je do jednej ze znanych mu kategorii, nawet jeśli są one całkowicie niepowiązane. W efekcie klasyfikacja będzie błędna, często z wysokim stopniem pewności, ponieważ model nie ma pojęcia o istnieniu innych klas. [eduexe-source]11:5[/eduexe-source]

[student_1130_sdu]

a jakie było trzecie pytanie?

[bot_external]

[eduexe-intent]course_content[/eduexe-intent]
Trzecie pytanie brzmiało: "Jakie jest znaczenie posiadania podobnej liczby reprezentantów w każdej klasie w zbiorze uczącym?" [eduexe-source]11:4[/eduexe-source]

[student_1130_sdu]

zbiór musi być zbalansowany

[bot_external]

[eduexe-intent]course_content[/eduexe-intent]
Twoja odpowiedź jest trafna. Posiadanie podobnej liczby reprezentantów w każdej klasie w zbiorze uczącym jest kluczowe, ponieważ w przeciwnym razie model może zignorować mniej liczne klasy, co prowadzi do błędnej klasyfikacji. [eduexe-source]11:4[/eduexe-source]

[student_1130_sdu]

Na podstawie moich błędnych, częściowo poprawnych lub pominiętych odpowiedzi wskaż, co powinienem/powinnam powtórzyć. Wyjaśnij to krok po kroku, ale nie podawaj gotowych odpowiedzi do zadań.

[bot_external]

[eduexe-intent]student_progress[/eduexe-intent]
Na podstawie Twoich postępów, w pierwszej kolejności powinieneś/powinnaś powtórzyć problemy z danymi w module "B1 - Dane w procesie uczenia". Nie odpowiedziałeś/aś na pytania kontrolne dotyczące plików "test_B0.jpg", "test_B1.jpg", "test_B2.jpg" i "test_B3.jpg", które są kluczowe dla zrozumienia tego modułu. [eduexe-source]11:7[/eduexe-source][eduexe-source]11:8[/eduexe-source][eduexe-source]11:9[/eduexe-source][eduexe-source]11:10[/eduexe-source]

Pierwszy konkretny krok: Przejdź do slajdu "Istotność danych - Ćwiczenie" [eduexe-source]11:6[/eduexe-source] i ponownie przeanalizuj przykłady tych plików. Następnie wróć do slajdów [eduexe-source]11:2[/eduexe-source]-[eduexe-source]11:5[/eduexe-source] oraz [eduexe-source]14:3[/eduexe-source]-[eduexe-source]14:6[/eduexe-source], aby zrozumieć, jakie problemy z danymi reprezentują.

Dodatkowo, warto odświeżyć podstawy Uczenia Maszynowego, obsługę Google Teachable Machine oraz pojęcia takie jak macierz pomyłek i metryki.

[student_1130_sdu]

Na podstawie moich błędnych, częściowo poprawnych lub pominiętych odpowiedzi wskaż, co powinienem/powinnam powtórzyć. Wyjaśnij to krok po kroku, ale nie podawaj gotowych odpowiedzi do zadań.

[bot_external]

[eduexe-intent]student_progress[/eduexe-intent]
Na podstawie Twoich błędnych i pominiętych odpowiedzi, w pierwszej kolejności powinieneś/powinnaś powtórzyć zagadnienia związane z danymi w modułach B1 i B2.

Krok 1: Przejdź do "Istotność danych - Ćwiczenie" [11:6] i przeanalizuj pliki "test_B0.jpg" do "test_B3.jpg". Wróć do slajdów [11:7] do [11:10] oraz [14:3] do [14:6], aby zrozumieć problemy z danymi.
Krok 2: Zapoznaj się z metodami ich naprawy w komponencie "B2 - Istotność danych w UM - naprawa modelu" [12:1].
Krok 3: Odśwież podstawy Uczenia Maszynowego (komponent 7), obsługę Google Teachable Machine (komponenty 8 i 10) oraz pojęcie macierzy pomyłek (komponent 18).

[student_1130_sdu]

Na podstawie moich postępów w kursie wskaż jedną najważniejszą rzecz, którą powinienem/powinnam teraz zrobić. Uzasadnij krótko i zaproponuj pierwszy konkretny krok.

[bot_external]

[eduexe-intent]student_progress[/eduexe-intent]
Najważniejszą rzeczą, którą powinieneś/powinnaś teraz zrobić, jest uzupełnienie i sprawdzenie swojej wiedzy na temat problemów z danymi. Pominąłeś/Pominęłaś odpowiedzi na pytania kontrolne w komponencie "B1 - Dane w procesie uczenia", które są kluczowe dla zrozumienia tego zagadnienia.

Pierwszy konkretny krok: Wróć do slajdu "Problemy z danymi - sprawdź się!" i odpowiedz na pytania dotyczące plików "test_B0.jpg", "test_B1.jpg", "test_B2.jpg" i "test_B3.jpg". [eduexe-source]11:7[/eduexe-source] [eduexe-source]11:8[/eduexe-source] [eduexe-source]11:9[/eduexe-source] [eduexe-source]11:10[/eduexe-source]