<?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[conversation_by_xld]]></title><description><![CDATA[<p dir="auto">Topic created</p>
]]></description><link>https://forum.eduexe.com/topic/210/conversation_by_xld</link><generator>RSS for Node</generator><lastBuildDate>Sat, 06 Jun 2026 02:13:33 GMT</lastBuildDate><atom:link href="https://forum.eduexe.com/topic/210.rss" rel="self" type="application/rss+xml"/><pubDate>Fri, 17 Apr 2026 12:57:18 GMT</pubDate><ttl>60</ttl><item><title><![CDATA[Reply to conversation_by_xld on Fri, 17 Apr 2026 13:38:04 GMT]]></title><description><![CDATA[<p dir="auto">[eduexe-intent]course_content[/eduexe-intent]<br />
Dane są niezbędne, aby uczenie maszynowe było możliwe, a ich odpowiedni dobór i przygotowanie są niezwykle ważne. Jakość i reprezentatywność danych bezpośrednio wpływają na skuteczność modelu. W kursie omówiono kilka problemów związanych z danymi, takich jak nietypowe przypadki testowe (graniczne), nierówna liczebność klas czy dane spoza zdefiniowanych klas, które mogą negatywnie wpłynąć na proces uczenia. [eduexe-source]11:1[/eduexe-source]</p>
]]></description><link>https://forum.eduexe.com/post/3675</link><guid isPermaLink="true">https://forum.eduexe.com/post/3675</guid><dc:creator><![CDATA[bot_external]]></dc:creator><pubDate>Fri, 17 Apr 2026 13:38:04 GMT</pubDate></item><item><title><![CDATA[Reply to conversation_by_xld on Fri, 17 Apr 2026 13:37:44 GMT]]></title><description><![CDATA[<p dir="auto">Powiedz coś o danych w procesie</p>
]]></description><link>https://forum.eduexe.com/post/3674</link><guid isPermaLink="true">https://forum.eduexe.com/post/3674</guid><dc:creator><![CDATA[student_1075_xld]]></dc:creator><pubDate>Fri, 17 Apr 2026 13:37:44 GMT</pubDate></item><item><title><![CDATA[Reply to conversation_by_xld on Fri, 17 Apr 2026 13:36:27 GMT]]></title><description><![CDATA[<p dir="auto">[eduexe-intent]course_content[/eduexe-intent]<br />
Nierówna liczebność klas to problem, w którym klasy w zbiorze uczącym mają różną liczbę przykładów. Jest to niepożądane, ponieważ model może zignorować mniej liczne klasy i w efekcie nie nauczyć się ich poprawnie rozpoznawać. Dlatego ważne jest, aby wszystkie klasy miały podobną liczbę reprezentantów. Rozwiązaniem jest np. dodanie przykładów do mniej licznej klasy. [eduexe-source]11:4[/eduexe-source][eduexe-source]12:5[/eduexe-source]</p>
]]></description><link>https://forum.eduexe.com/post/3673</link><guid isPermaLink="true">https://forum.eduexe.com/post/3673</guid><dc:creator><![CDATA[bot_external]]></dc:creator><pubDate>Fri, 17 Apr 2026 13:36:27 GMT</pubDate></item><item><title><![CDATA[Reply to conversation_by_xld on Fri, 17 Apr 2026 13:35:58 GMT]]></title><description><![CDATA[<p dir="auto">Powiedz coś o nierównej liczebności klas</p>
]]></description><link>https://forum.eduexe.com/post/3672</link><guid isPermaLink="true">https://forum.eduexe.com/post/3672</guid><dc:creator><![CDATA[student_1075_xld]]></dc:creator><pubDate>Fri, 17 Apr 2026 13:35:58 GMT</pubDate></item><item><title><![CDATA[Reply to conversation_by_xld on Fri, 17 Apr 2026 12:58:24 GMT]]></title><description><![CDATA[<p dir="auto">[eduexe-intent]course_content[/eduexe-intent]<br />
Uczenie Maszynowe (UM) to dziedzina Sztucznej Inteligencji, w której algorytmy uczą się automatycznie poprzez doświadczenie, czyli analizę danych. Na podstawie tych danych budują model matematyczny, który potrafi podejmować decyzje lub prognozować wyniki bez konieczności bycia wprost zaprogramowanym do wykonania konkretnego zadania. [eduexe-source]7:1[/eduexe-source]</p>
]]></description><link>https://forum.eduexe.com/post/3671</link><guid isPermaLink="true">https://forum.eduexe.com/post/3671</guid><dc:creator><![CDATA[bot_external]]></dc:creator><pubDate>Fri, 17 Apr 2026 12:58:24 GMT</pubDate></item><item><title><![CDATA[Reply to conversation_by_xld on Fri, 17 Apr 2026 12:58:07 GMT]]></title><description><![CDATA[<p dir="auto">Opisz mi krótko czym jest uczenie maszynowe</p>
]]></description><link>https://forum.eduexe.com/post/3670</link><guid isPermaLink="true">https://forum.eduexe.com/post/3670</guid><dc:creator><![CDATA[student_1075_xld]]></dc:creator><pubDate>Fri, 17 Apr 2026 12:58:07 GMT</pubDate></item><item><title><![CDATA[Reply to conversation_by_xld on Fri, 17 Apr 2026 12:57:49 GMT]]></title><description><![CDATA[<p dir="auto">[eduexe-intent]course_content[/eduexe-intent]<br />
Kurs ten ma na celu przybliżenie podstaw Uczenia Maszynowego (UM) za pomocą intuicyjnych przykładów i zadań praktycznych. Składa się z czterech modułów, które omawiają <a href="http://m.in" rel="nofollow ugc">m.in</a>. definicję i zastosowania UM, rolę danych, podstawowe pojęcia (np. zbiór uczący, przeuczenie) oraz metryki oceny modeli. Ćwiczenia praktyczne wykonywane są w narzędziu Google Teachable Machine.<br />
[eduexe-source]1:1[/eduexe-source]</p>
]]></description><link>https://forum.eduexe.com/post/3669</link><guid isPermaLink="true">https://forum.eduexe.com/post/3669</guid><dc:creator><![CDATA[bot_external]]></dc:creator><pubDate>Fri, 17 Apr 2026 12:57:49 GMT</pubDate></item><item><title><![CDATA[Reply to conversation_by_xld on Fri, 17 Apr 2026 12:57:25 GMT]]></title><description><![CDATA[<p dir="auto">O czym jest ten kurs</p>
]]></description><link>https://forum.eduexe.com/post/3668</link><guid isPermaLink="true">https://forum.eduexe.com/post/3668</guid><dc:creator><![CDATA[student_1075_xld]]></dc:creator><pubDate>Fri, 17 Apr 2026 12:57:25 GMT</pubDate></item></channel></rss>