[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]