Skip to content

Eduexe Forum
  • E

    conversation_by_j0z

    Wstęp do uczenia maszynowego v. 2026_b3d169e576c6493e j0z b3d169e576c6493e wstęp do uczenia maszynowego v. 2026
    31
    0 Votes
    31 Posts
    61 Views
    B
    [eduexe-intent]student_progress[/eduexe-intent] Spędziłeś w kursie ok. 148 minut i zdobyłeś 45 punktów. Kurs ma status "ZALICZONE", ale nie jest w pełni ukończony. Wykonane: Kwestionariusze początkowy i końcowy, moduł A (z testem AT), sekcje B1-B2, C1-C4, D1-D5, test DT, Zadanie końcowe. Wymaga pracy: Błędy w testach: "Test początkowy" (ID: 6), "BT - Dane w procesie uczenia - Test" (ID: 13), "CT - Podstawowe pojęcia UM - Test" (ID: 19). Sekcje z nierozwiązanymi ćwiczeniami: B3 (ID: 14), C5 (ID: 20), D6 (ID: 26), D7 (ID: 29), D8 (ID: 30).
  • E

    conversation_by_cag

    Wstęp do uczenia maszynowego v. 2026_b3d169e576c6493e cag b3d169e576c6493e wstęp do uczenia maszynowego v. 2026
    3
    0 Votes
    3 Posts
    2 Views
    B
    [eduexe-intent]course_content[/eduexe-intent] W ramach uczenia nadzorowanego, możesz stworzyć model, który rozróżnia psy od kotów. W Google Teachable Machine zdefiniujesz dwie klasy: "Pies" i "Kot". Następnie załadujesz do każdej klasy zdjęcia (dane uczące). Po wytrenowaniu model nauczy się je klasyfikować. Gdy pokażesz mu nowe zdjęcie, np. psa, model oceni, czy to pies, czy kot. [eduexe-source]8:3[/eduexe-source][eduexe-source]8:4[/eduexe-source][eduexe-source]8:5[/eduexe-source][eduexe-source]8:6[/eduexe-source]