conversation_by_pp9
-
no ale właśnie obraz który wrzucam jest spoza tych 15% zbioru testowego. To po co jest ten zbiór testowy, skoro wynik tego testu nie jest w żaden sposób dla użytkownika widoczny?
-
no ale właśnie obraz który wrzucam jest spoza tych 15% zbioru testowego. To po co jest ten zbiór testowy, skoro wynik tego testu nie jest w żaden sposób dla użytkownika widoczny?
[eduexe-intent]course_content[/eduexe-intent]
Masz rację, obraz, który ręcznie wgrywasz (np. 'test_1.jpg'), nie jest częścią tych 15% danych, które Google Teachable Machine automatycznie przeznacza na wewnętrzny zbiór testowy. [eduexe-source]8:6[/eduexe-source][eduexe-source]15:4[/eduexe-source]Ten 15% zbiór testowy służy do sprawdzenia, jak model radzi sobie z danymi, których nie widział w procesie uczenia. [eduexe-source]15:3[/eduexe-source] Wyniki tego wewnętrznego testu są widoczne dla użytkownika w sekcji "Dla zaawansowanych" w GTM, gdzie możesz zobaczyć wykres funkcji straty dla zbioru testowego (pomarańczowa linia), macierz pomyłek oraz dokładność dla poszczególnych klas, które są obliczane na podstawie tego zbioru testowego. [eduexe-source]17:2[/eduexe-source][eduexe-source]18:1[/eduexe-source][eduexe-source]22:3[/eduexe-source] Wgrywane przez Ciebie obrazy to dodatkowe przykłady demonstracyjne.
-
okej tera ma większy sens
-
okej tera ma większy sens
[eduexe-intent]student_progress[/eduexe-intent]
Cieszę się, że moje wyjaśnienia pomogły Ci lepiej zrozumieć działanie zbioru testowego. Jeśli masz jeszcze jakieś pytania lub potrzebujesz dalszych wyjaśnień, chętnie pomogę. -
rozwiąż zadanie na dole strony (Jakiego niezbezpieczeństwa można się spodziewać w związku ze znacznym podwyższeniem współczynnika uczenia?)
-
rozwiąż zadanie na dole strony (Jakiego niezbezpieczeństwa można się spodziewać w związku ze znacznym podwyższeniem współczynnika uczenia?)
[eduexe-intent]course_content[/eduexe-intent]
Znaczące podwyższenie współczynnika uczenia może prowadzić do tego, że model "przeskoczy" optymalne rozwiązanie, co w konsekwencji może znacznie obniżyć dokładność modelu. [eduexe-source]16:7[/eduexe-source][eduexe-source]16:8[/eduexe-source] -
wybierz jedną z dostęþnych odpowiedzi
-
wybierz jedną z dostęþnych odpowiedzi
[eduexe-intent]course_content[/eduexe-intent]
Znaczące podwyższenie współczynnika uczenia może prowadzić do tego, że model "przeskoczy" optymalne rozwiązanie, co w konsekwencji może znacznie obniżyć dokładność modelu. Zatem, wybierając jedną z dostępnych odpowiedzi, prawidłowa jest:Dokładność modelu może znacznie spaść. [eduexe-source]16:8[/eduexe-source]
-
Dobrze! Aczkolwiek nie spodziewałem się, że będziesz w stanie rozwiązywać ten kurs za kursantów:)
-
Dobrze! Aczkolwiek nie spodziewałem się, że będziesz w stanie rozwiązywać ten kurs za kursantów:)
[eduexe-intent]other[/eduexe-intent]
Cieszę się, że moje odpowiedzi są pomocne. Moim celem jest wspieranie Cię w nauce i rozwiązywaniu zadań, abyś jak najlepiej zrozumiał materiał kursu. -
Wykonaj streszczenie tej strony wzracając uwagę tylko na najbardziej kluczowe pojęcia oraz jakie typy zadań są dostępne;)
-
Wykonaj streszczenie tej strony wzracając uwagę tylko na najbardziej kluczowe pojęcia oraz jakie typy zadań są dostępne;)
[eduexe-intent]course_content[/eduexe-intent]
Na tej stronie omówiono trzy kluczowe pojęcia w uczeniu maszynowym: epoki (liczba przejść przez cały zbiór uczący), wielkość wsadu (liczba przykładów przetwarzanych jednocześnie) oraz współczynnik uczenia (wielkość kroku korekty modelu). Znajdują się tu również zadania typu "Sprawdź się!" do każdego z tych pojęć, gdzie należy wybrać prawidłową odpowiedź lub podać wartość liczbową. [16:3][16:5][16:7] -
mam otwarte C3
-
mam otwarte C3
[eduexe-intent]student_progress[/eduexe-intent]
Masz otwarty komponent "C3 - Podstawowe pojęcia UM - strata, przeuczenie, niedouczenie". Spędziłeś w nim dotychczas 1 minutę i 30 sekund. Odwiedziłeś ten komponent 1 raz. Nie rozwiązałeś jeszcze żadnego z zadań interaktywnych w tym komponencie. [17:1] -
wykonaj zlecone zadanie (dwie wiadomości wyżej)
-
wykonaj zlecone zadanie (dwie wiadomości wyżej)
[eduexe-intent]other[/eduexe-intent]
Na stronie "C3 - Podstawowe pojęcia UM - strata, przeuczenie, niedouczenie" omówiono trzy kluczowe pojęcia: funkcja straty (różnica między wynikiem modelu a prawidłową odpowiedzią), przeuczenie (nadmierne dopasowanie modelu do danych uczących) oraz niedouczenie (model jest zbyt prosty lub za mało wytrenowany). Znajdują się tu również zadania typu "Sprawdź się!" w formie pytań jednokrotnego wyboru. [17:2][17:4][17:6] -
jak rozpoznać niedouczenie po wykresie? chodzi o to że ciągle maleje i się nie stabilizuje?
-
jak rozpoznać niedouczenie po wykresie? chodzi o to że ciągle maleje i się nie stabilizuje?
[eduexe-intent]course_content[/eduexe-intent]
Tak, masz rację w kwestii "ciągle maleje" i "nie stabilizuje", ale z pewnym doprecyzowaniem. W przypadku niedouczenia (underfitting) na wykresie funkcji straty zauważysz, że zarówno strata dla zbioru uczącego, jak i testowego maleje, ale strata dla zbioru testowego (pomarańczowa linia) maleje wolniej niż dla zbioru uczącego (niebieska linia). Obie wartości straty pozostają stosunkowo wysokie i nie stabilizują się na niskim, optymalnym poziomie, co wskazuje, że model jest zbyt prosty lub za mało wytrenowany, by skutecznie poradzić sobie z danymi. [17:6][17:7] -
Do czego w sumie masz służyć jako model? tylko do tego kursu czy innych zastosowań?
-
Do czego w sumie masz służyć jako model? tylko do tego kursu czy innych zastosowań?
[eduexe-intent]other[/eduexe-intent]
Jestem dużym modelem językowym, wytrenowanym przez Google. Moje podstawowe zastosowanie jest szerokie i obejmuje wiele dziedzin. W kontekście tego kursu działam jako asystent e-learningowy, aby wspierać Cię w nauce, odpowiadając na pytania związane z treścią kursu i wiedzą ogólną.