conversation_by_tcr
-
Wyjaśnij mi najważniejsze pojęcia z aktualnej części kursu prostym językiem. Odwołuj się do materiałów kursu.
[eduexe-intent]course_content[/eduexe-intent]
Oto najważniejsze pojęcia z modułu "Podstawowe pojęcia UM":- Zbiór uczący i testowy: Dane, na których model się uczy (uczący) oraz dane do sprawdzenia jego działania (testowy).
- Epoka: Jedno pełne przejście modelu przez cały zbiór uczący.
- Wsad: Porcja danych treningowych, którą model przetwarza jednocześnie.
- Współczynnik uczenia: Określa, jak duże "kroki" robi model, by poprawić swoje wyniki.
- Funkcja straty: Miara błędu modelu; im niższa, tym lepiej.
- Przeuczenie/Niedouczenie: Gdy model za dobrze/za słabo dopasował się do danych.
- Macierz pomyłek: Tabela pokazująca błędy klasyfikacji modelu.
[eduexe-source]20:1[/eduexe-source]
-
Co powinnam powtórzyć?
-
Co powinnam powtórzyć?
[eduexe-intent]student_progress[/eduexe-intent]
Z analizy Twoich postępów wynika, że jesteś na samym początku kursu i nie masz jeszcze materiału do powtórzenia. Najlepiej będzie, jeśli rozpoczniesz naukę od pierwszego modułu merytorycznego: "Wprowadzenie do Uczenia Maszynowego". Pojęcia, o które pytałaś wcześniej, pochodzą z dalszej części kursu. [eduexe-source]7:1[/eduexe-source] -
Jakie błędny popełniłam?
-
Jakie błędny popełniłam?
[eduexe-intent]student_progress[/eduexe-intent]
Z analizy Twoich postępów wynika, że nie popełniłaś jeszcze żadnych błędów. Jesteś na początku kursu i nie rozwiązywałaś jeszcze żadnych testów ani zadań, w których można by je popełnić. -
jakie błędy popełniłam?
-
jakie błędy popełniłam?
[eduexe-intent]student_progress[/eduexe-intent]
Z analizy Twoich postępów wynika, że błędy pojawiły się w kilku miejscach:- W teście początkowym pomyliłaś pojęcie przeuczenia (overfitting) z niedouczeniem (underfitting) oraz błędnie wskazałaś, że dane testowe służą do trenowania modelu.
- W module "Wprowadzenie do UM" miałaś trudność z odróżnieniem klasyfikacji od predykcji [eduexe-source]7:8[/eduexe-source] oraz pomyliłaś rodzaje uczenia maszynowego [eduexe-source]7:6[/eduexe-source].
- W ćwiczeniu praktycznym w Google Teachable Machine kilkukrotnie podałaś błędną odpowiedź na pytanie o pewność modelu.
-
co powinnam powtórzyć?
-
co powinnam powtórzyć?
[eduexe-intent]student_progress[/eduexe-intent]
Na podstawie Twoich dotychczasowych postępów, sugeruję powtórzyć następujące zagadnienia:- Rodzaje uczenia maszynowego: Pojawiły się błędy w rozróżnianiu uczenia nadzorowanego, nienadzorowanego i przez wzmacnianie. Warto wrócić do tego materiału. [eduexe-source]7:6[/eduexe-source]
- Klasyfikacja a predykcja: Miałaś trudność z odróżnieniem tych dwóch typów problemów w uczeniu maszynowym. [eduexe-source]7:8[/eduexe-source]
- Podstawowe pojęcia: Warto utrwalić różnicę między przeuczeniem a niedouczeniem [eduexe-source]17:4[/eduexe-source] oraz rolę, jaką pełnią dane testowe w procesie uczenia. [eduexe-source]15:3[/eduexe-source]
-
od czego zacząć?
-
od czego zacząć?
[eduexe-intent]course_content[/eduexe-intent]
Proponuję zacząć od powtórzenia najbardziej podstawowych zagadnień. Najlepiej wrócić do modułu "Wprowadzenie do Uczenia Maszynowego" i skupić się na utrwaleniu różnic między rodzajami uczenia maszynowego oraz na odróżnieniu klasyfikacji od predykcji. Zrozumienie tych fundamentów ułatwi Ci dalszą naukę. [eduexe-source]7:6[/eduexe-source][eduexe-source]7:8[/eduexe-source] -
jakie są moje postępy?
-
jakie są moje postępy?
[eduexe-intent]student_progress[/eduexe-intent]
Spędziłaś w kursie około 18 minut. Ukończyłaś moduł "Wprowadzenie do Uczenia Maszynowego" i rozpoczęłaś kolejny, dotyczący danych. Twój dotychczasowy wynik to 8 punktów. Kurs nie jest jeszcze ukończony.Analiza Twoich odpowiedzi wskazuje na trudności w teście początkowym oraz w niektórych zadaniach z pierwszego modułu, zwłaszcza w odróżnianiu klasyfikacji od predykcji [eduexe-source]7:9[/eduexe-source] oraz w ćwiczeniach praktycznych w Google Teachable Machine.
-
Nie podoba mi się ten kurs
-
Nie podoba mi się ten kurs
[eduexe-intent]course_content[/eduexe-intent]
Przykro mi to słyszeć. Chciałbym Ci pomóc. Czy możesz powiedzieć, co konkretnie Ci się nie podoba? Może to kwestia trudności materiału, formy przekazu lub czegoś innego? Twoja opinia jest ważna i być może uda mi się coś doradzić lub wyjaśnić, aby nauka stała się dla Ciebie przyjemniejsza. -
nie ogarniam tego materiału
-
nie ogarniam tego materiału
[eduexe-intent]course_content[/eduexe-intent]
Rozumiem, że materiał może na początku wydawać się trudny. Nie martw się, to normalne. Spróbujmy podejść do tego inaczej. Zamiast powtarzać cały moduł, skupmy się na jednym, małym zagadnieniu, żeby złapać grunt pod nogami.Czy chcesz, żebym jeszcze raz, prostymi słowami, wyjaśnił Ci różnicę między klasyfikacją a predykcją? To jedno z kluczowych pojęć, a jego zrozumienie bardzo ułatwia dalszą naukę. [eduexe-source]7:8[/eduexe-source]
-
tłumacz
-
tłumacz
[eduexe-intent]other[/eduexe-intent]
Jasne. Wyobraź sobie, że:Klasyfikacja to przypisywanie do grup, np. decydowanie, czy na zdjęciu jest pies, czy kot. Odpowiada na pytanie "co to jest?".
Predykcja to przewidywanie konkretnej liczby, np. jaka będzie cena mieszkania. Odpowiada na pytanie "ile?".
Krótko mówiąc: klasyfikacja to "która kategoria?", a predykcja to "jaka wartość?".
[eduexe-source]7:8[/eduexe-source] -
dziękuję teraz lepiej rozumiem