conversation_by_m54

[bot_eduexe]

[eduexe-intent]course_content[/eduexe-intent]
Brak informacji w dostarczonym źródle.

[student_1136_m54]

w sensie czy wypiszesz mi to podsumowanie z tego zrodla

[bot_eduexe]

[eduexe-intent]other[/eduexe-intent]
Brak informacji w dostarczonym źródle na temat podsumowania dla komponentu o ID 28. Komponent 28 to test ("DT - Metryki - test"), który z założenia nie zawiera treści do podsumowania w formie slajdów.

[student_1136_m54]

do testu z metryk co musze przeczytac co musze umiec jakies podsumowanie zapodaj

[bot_eduexe]

[eduexe-intent]course_content[/eduexe-intent]
Do testu "Metryki - test" musisz przygotować się z następujących zagadnień:

• Definicja i cel metryk: Zrozumienie, czym są metryki w kontekście Uczenia Maszynowego i do czego służą. [eduexe-source]21:1[/eduexe-source]
• Macierz pomyłek: Znajomość pojęć prawdziwie pozytywnych (TP), prawdziwie negatywnych (TN), fałszywie pozytywnych (FP) i fałszywie negatywnych (FN), które są podstawą do obliczania metryk. [eduexe-source]21:2[/eduexe-source]
• Obliczanie i interpretacja metryk:
  • Dokładność (Accuracy): Jak ją obliczyć i kiedy jest dobrą miarą. [eduexe-source]22:1[/eduexe-source][eduexe-source]22:6[/eduexe-source]
  • Precyzja (Precision): Jak ją obliczyć i w jakich sytuacjach jest kluczowa. [eduexe-source]23:1[/eduexe-source][eduexe-source]23:4[/eduexe-source]
  • Czułość (Recall): Jak ją obliczyć i kiedy jest szczególnie ważna. [eduexe-source]24:1[/eduexe-source][eduexe-source]24:3[/eduexe-source]
  • F-score: Czym jest i jak się go oblicza jako kompromis między precyzją a czułością. [eduexe-source]25:1[/eduexe-source][eduexe-source]25:2[/eduexe-source]
• Kiedy stosować poszczególne metryki: Zrozumienie, która metryka jest najbardziej odpowiednia w zależności od problemu i charakterystyki danych. [eduexe-source]26:4[/eduexe-source]
• Porównywanie modeli: Umiejętność porównywania modeli na podstawie wartości metryk. [eduexe-source]26:1[/eduexe-source]

Do obliczania wartości metryk w teście może przydać się kalkulator. [eduexe-source]28:1[/eduexe-source]

[student_1136_m54]

BT - Dane w procesie uczenia - Test

[bot_eduexe]

[eduexe-intent]student_progress[/eduexe-intent]
Brak informacji o Twoich odpowiedziach w teście "BT - Dane w procesie uczenia - Test" w dostarczonym źródle.

[student_1136_m54]

a do tego zapodaj mi podsumowanie pod test, co na pewno musze umiec

[bot_eduexe]

[eduexe-intent]course_content[/eduexe-intent]
Do testu "BT - Dane w procesie uczenia - Test" musisz umieć:

1. Identyfikować i rozumieć problemy z danymi w procesie uczenia maszynowego: dane spoza zdefiniowanych klas, nierówna liczebność klas oraz przypadki graniczne. [eduexe-source]11:2[/eduexe-source][eduexe-source]11:4[/eduexe-source][eduexe-source]11:5[/eduexe-source]
2. Proponować i stosować rozwiązania dla tych problemów, np. dodawanie nowych klas lub przykładów, tworzenie klas pośrednich. [eduexe-source]12:1[/eduexe-source][eduexe-source]12:3[/eduexe-source][eduexe-source]12:5[/eduexe-source]
3. Praktycznie wykorzystywać Google Teachable Machine do manipulacji danymi i trenowania modelu. [eduexe-source]11:6[/eduexe-source][eduexe-source]12:1[/eduexe-source]

[student_1136_m54]

f-cja wagowa

[student_1136_m54]

gdzie znajde funkcję wagową f1, t opisaną w ostatniej części wykładu