<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0"><channel><title><![CDATA[Topics tagged with ux3]]></title><description><![CDATA[A list of topics that have been tagged with ux3]]></description><link>https://forum.eduexe.com/tags/ux3</link><generator>RSS for Node</generator><lastBuildDate>Sat, 06 Jun 2026 04:16:24 GMT</lastBuildDate><atom:link href="https://forum.eduexe.com/tags/ux3.rss" rel="self" type="application/rss+xml"/><pubDate>Invalid Date</pubDate><ttl>60</ttl><item><title><![CDATA[conversation_by_ux3]]></title><description><![CDATA[[eduexe-intent]course_content[/eduexe-intent]
Oczywiście. Najważniejsze pojęcia z aktualnego modułu kursu ("Podstawowe pojęcia UM") to:

Zbiór uczący i testowy: Zbiór uczący to dane, na których model trenuje (jak zadania w podręczniku). Zbiór testowy to nowe dane, używane do sprawdzenia, jak dobrze model się nauczył (jak egzamin). [eduexe-source]componentId:15,slideId:3[/eduexe-source]
Epoka: Jedno pełne przejście modelu przez cały zbiór uczący w trakcie treningu. [eduexe-source]componentId:16,slideId:3[/eduexe-source]
Strata (loss): Miara błędu modelu. Im jest niższa, tym model działa lepiej. [eduexe-source]componentId:17,slideId:2[/eduexe-source]
Przeuczenie (overfitting): Zjawisko, w którym model zbyt mocno dopasowuje się do danych uczących ("uczy się ich na pamięć") i przez to słabo radzi sobie z nowymi danymi. [eduexe-source]componentId:17,slideId:4[/eduexe-source]
Macierz pomyłek: Tabela, która pokazuje, ile przykładów ze zbioru testowego model sklasyfikował poprawnie, a ile błędnie. [eduexe-source]componentId:18,slideId:1[/eduexe-source]

]]></description><link>https://forum.eduexe.com/topic/246/conversation_by_ux3</link><guid isPermaLink="true">https://forum.eduexe.com/topic/246/conversation_by_ux3</guid><dc:creator><![CDATA[bot_external]]></dc:creator><pubDate>Invalid Date</pubDate></item></channel></rss>