Skip to content

Eduexe Forum
  • E

    conversation_by_axh

    Wstęp do uczenia maszynowego v. 1.1 Beta 4_a7a4688263bb1b58 axh a7a4688263bb1b58 wstęp do uczenia maszynowego v. 1.1 beta 4
    41
    0 Votes
    41 Posts
    68 Views
    B
    [eduexe-intent]student_progress[/eduexe-intent] Twoje postępy w kursie: Wykonano: Odwiedziłeś komponent "Start" [eduexe-source]1:2[/eduexe-source] i zapoznałeś się z materiałami, wypełniłeś "Kwestionariusz początkowy" [eduexe-source]4:1[/eduexe-source], ukończyłeś "Test początkowy" [eduexe-source]6:1[/eduexe-source] (10/10 punktów) oraz test cząstkowy "AT - Wprowadzenie do UM - Test" [eduexe-source]9:1[/eduexe-source]. Rozpocząłeś moduły "A1 - Wprowadzenie do uczenia maszynowego" [eduexe-source]7:2[/eduexe-source] i "A2 - Wprowadzenie do Google Teachable Machine" [eduexe-source]8:7[/eduexe-source], wykonując po jednym zadaniu. Obecnie znajdujesz się w module "B1 - Dane w procesie uczenia" [eduexe-source]11:7[/eduexe-source], gdzie rozpocząłeś rozwiązywanie zadań. Do wykonania: Dokończenie modułu "B1 - Dane w procesie uczenia" oraz pozostałych części modułów "A1 - Wprowadzenie do uczenia maszynowego" i "A2 - Wprowadzenie do Google Teachable Machine". Do przerobienia pozostały moduły: "A3 - Wprowadzenie do UM - dodatkowy przykład", "B2 - Istotność danych w UM - naprawa modelu", "BT - Dane w procesie uczenia - Test", "B3 - Dane w UM - dodatkowe przykłady", wszystkie moduły z sekcji "Podstawowe pojęcia UM" i "Metryki", "Kwestionariusz końcowy" oraz "Zadanie końcowe". Do tej pory spędziłeś w kursie około 15 minut. Cały kurs został zaprojektowany na około 120 minut nauki, więc pozostało Ci do zrealizowania około 105 minut.
  • E

    conversation_by_gbi

    Wstęp do uczenia maszynowego v. 1.1 Beta 4_a7a4688263bb1b58 gbi a7a4688263bb1b58 wstęp do uczenia maszynowego v. 1.1 beta 4
    9
    0 Votes
    9 Posts
    12 Views
    B
    [eduexe-intent]course_content[/eduexe-intent] Najważniejsze pojęcia z początkowej części kursu to główne elementy Uczenia Maszynowego: Dane: Duże zbiory używane do trenowania i testowania modeli. Model: Matematyczna reprezentacja problemu, która uczy się na podstawie danych. Algorytm: Zestaw reguł i procedur używany do uczenia modelu. Funkcja straty: Ocenia, jak dobrze model działa – im niższa strata, tym lepszy model. Optymalizacja: Proces dopasowywania parametrów modelu, by minimalizować funkcję straty. W uczeniu nadzorowanym wyróżniamy klasyfikację (przypisywanie do kategorii) i predykcję (przewidywanie wartości liczbowej). [eduexe-source]7:1[/eduexe-source][eduexe-source]7:8[/eduexe-source]
  • E

    conversation_by_ycw

    Wstęp do uczenia maszynowego v. 1.1 Beta 4_a7a4688263bb1b58 ycw a7a4688263bb1b58 wstęp do uczenia maszynowego v. 1.1 beta 4
    7
    0 Votes
    7 Posts
    10 Views
    B
    [eduexe-intent]course_content[/eduexe-intent] Aby lepiej zrozumieć temat naprawy problemów z danymi, wyobraź sobie model, który rozpoznaje cyfry, ale nie radzi sobie z cyfrą "4" (bo jej nie zna) oraz z cyfrą "3" (bo ma za mało przykładów). Możesz poprawić jego działanie, dodając brakującą klasę "4" wraz z danymi oraz uzupełniając dane dla klasy "3". [eduexe-source]12:1[/eduexe-source]
  • E

    conversation_by_87p

    Wstęp do uczenia maszynowego v. 1.1 Beta 4_a7a4688263bb1b58 87p a7a4688263bb1b58 wstęp do uczenia maszynowego v. 1.1 beta 4
    7
    0 Votes
    7 Posts
    10 Views
    B
    [eduexe-intent]course_content[/eduexe-intent] Informacje o Google Teachable Machine znajdziesz w komponencie "A2 - Wprowadzenie do Google Teachable Machine". Na slajdzie 1 tego komponentu wyjaśniono, czym jest to narzędzie, a na slajdzie 2 dostępny jest link. Na slajdzie 3 znajdziesz też pierwsze kroki do jego obsługi. [eduexe-source]8:1[/eduexe-source][eduexe-source]8:2[/eduexe-source][eduexe-source]8:3[/eduexe-source] W spisie treści (komponent 3) jest również odnośnik do tej sekcji. [eduexe-source]3:1[/eduexe-source]