conversation_by_pw7

[student_1130_pw7]

Na podstawie moich postępów w kursie wskaż jedną najważniejszą rzecz, którą powinienem/powinnam teraz zrobić. Uzasadnij krótko i zaproponuj pierwszy konkretny krok.

[bot_eduexe]

[eduexe-intent]student_progress[/eduexe-intent]
Najważniejszą rzeczą, którą powinieneś/powinnaś teraz zrobić, jest rozwiązanie testu początkowego. Kurs przewiduje go na samym początku, abyś mógł/mogła ocenić swoją wiedzę z podstaw Uczenia Maszynowego [eduexe-source]1:1[/eduexe-source].

Pierwszy konkretny krok to rozpoczęcie "Testu początkowego" (Komponent 5 lub 6).

[student_1130_pw7]

co powinnam poprawić?

[bot_eduexe]

[eduexe-intent]student_progress[/eduexe-intent]
Na podstawie Twoich postępów, powinnaś poprawić rozróżnianie problemów z danymi i metod ich naprawy. W teście (Komponent 13) miałaś/eś trudności z nierówną liczebnością klas i przypadkami granicznymi. Powtórz materiał z komponentów 'B1 - Dane w procesie uczenia' [eduexe-source]11:1[/eduexe-source] oraz 'B2 - Istotność danych w UM - naprawa modelu' [eduexe-source]12:1[/eduexe-source]. Skup się na slajdach [eduexe-source]11:2[/eduexe-source], [eduexe-source]11:4[/eduexe-source], [eduexe-source]12:3[/eduexe-source] i [eduexe-source]12:5[/eduexe-source].

[student_1130_pw7]

Podaj mi przykład z nierówną liczebnością klas

[bot_eduexe]

[eduexe-intent]course_content[/eduexe-intent]
Przykład nierównej liczebności klas został przedstawiony na bazie eksperymentu z modelem rozpoznającym psy i koty. Gdy do klasy "Kot" (mającej 200 zdjęć) dodano tylko 5 zdjęć "kota-wilkołaka" (gatunku Lykoi, przypominającego psa), model nadal błędnie oceniał te koty jako psy. Dzieje się tak, ponieważ pięć nietypowych przykładów to zbyt mało w porównaniu do 200 typowych kotów i 200 typowych psów, co sprawia, że model je ignoruje. [eduexe-source]11:4[/eduexe-source]

[student_1130_pw7]

A czy to jestprzykład graniczny?

[bot_eduexe]

[eduexe-intent]course_content[/eduexe-intent]
Tak, przykład z kotem Lykoi (kotem-wilkołakiem) jest w kursie przedstawiony jako przypadek graniczny między klasami. Model miał trudności z jego klasyfikacją, ponieważ jego cechy są na tyle niejednoznaczne, że przypominają zarówno kota, jak i psa. [eduexe-source]11:2[/eduexe-source]

[student_1130_pw7]

A myślałam że model źle rozpoznał kota, bo miał za małą liczebność tej klasy

[bot_eduexe]

[eduexe-intent]course_content[/eduexe-intent]
Masz rację, Twoje spostrzeżenie jest trafne. Chociaż kot Lykoi jest przykładem granicznym, to model źle go rozpoznał właśnie dlatego, że dodano tylko pięć zdjęć tego typu do klasy "Kot". To było za mało w porównaniu do 200 typowych kotów i 200 typowych psów, co sprawiło, że model zignorował te nietypowe przykłady. Jest to problem związany z nierówną liczebnością przypadków dla konkretnego typu danych w klasie. [eduexe-source]11:3[/eduexe-source]

[student_1130_pw7]

To co teraz powinnam zrobić?

[bot_eduexe]

[eduexe-intent]student_progress[/eduexe-intent]
Najważniejszą rzeczą, którą powinnaś teraz zrobić, jest ponowne podejście do testu "BT - Dane w procesie uczenia - Test" (Komponent 13). Ostatnio omawiałyśmy zagadnienia, z którymi miałaś trudności w tym teście, więc jest to dobry moment, by sprawdzić swoją wiedzę. [eduexe-source]13:0[/eduexe-source]

Pierwszym krokiem jest otwarcie komponentu 13 i rozwiązanie testu.

[student_1130_pw7]

co powinnam powtórzyć?

[bot_eduexe]

[eduexe-intent]student_progress[/eduexe-intent]
Na podstawie Twoich postępów, powinnaś powtórzyć zagadnienia z problemów z danymi i ich naprawy w komponentach 'B1 - Dane w procesie uczenia' [eduexe-source]11:0[/eduexe-source] i 'B2 - Istotność danych w UM - naprawa modelu' [eduexe-source]12:0[/eduexe-source].

Dodatkowo, przejrzyj podstawowe pojęcia Uczenia Maszynowego z komponentów 'C1 - Zbiór uczący i zbiór testowy' [eduexe-source]15:0[/eduexe-source], 'C2 - Epoki, wsad i współczynnik uczenia się' [eduexe-source]16:0[/eduexe-source] oraz 'C3 - Strata, przeuczenie, niedouczenie' [eduexe-source]17:0[/eduexe-source].

[student_1130_pw7]

ten kurs jest dla mnie za trudny

[bot_eduexe]

[eduexe-intent]student_progress[/eduexe-intent]
Rozumiem, że kurs wydaje się trudny. Widzę, że spędzasz znacznie mniej czasu na materiałach niż jest to zalecane. To może być przyczyną.

Zalecam powtórzyć komponenty dotyczące problemów z danymi (B1 [eduexe-source]11:1[/eduexe-source], B2 [eduexe-source]12:1[/eduexe-source]) oraz podstawowych pojęć UM (C1, C2, C3, C4), poświęcając więcej czasu na każdy. Np. na komponent B1 zalecane jest 12.5 minuty, a spędziłaś tam mniej niż 1 minutę. Poświęć więcej czasu na zrozumienie treści.

[student_1130_pw7]

nudzi mnie ten kurs

[bot_eduexe]

[eduexe-intent]student_progress[/eduexe-intent]
Rozumiem, że kurs wydaje Ci się nudny. Czasem aktywna praca z materiałem pomaga w zaangażowaniu. Widzę, że poświęcasz znacznie mniej czasu na poszczególne komponenty niż jest to zalecane.

Spróbuj ponownie przeanalizować komponenty 'B1 - Dane w procesie uczenia' [eduexe-source]11:1[/eduexe-source] i 'B2 - Istotność danych w UM - naprawa modelu' [eduexe-source]12:1[/eduexe-source], koncentrując się na praktycznych ćwiczeniach z Google Teachable Machine. Na przykład, na komponent B1 zalecane jest 12.5 minuty, a spędziłaś tam mniej niż 1 minutę. Aktywne wykonywanie zadań może sprawić, że materiał stanie się bardziej interesujący.

[student_1130_pw7]

chyba się poddam

[bot_eduexe]

[eduexe-intent]student_progress[/eduexe-intent]
Rozumiem, że czujesz się zniechęcona/y, ale pamiętaj, że status Twojego kursu to "ZALICZONY", co świadczy o Twojej wytrwałości! Widzę, że wciąż masz wątpliwości dotyczące problemów z danymi, zwłaszcza typu "dane spoza klas". Aby rozwiać jedną z nich, wróć do komponentu 'B1 - Dane w procesie uczenia' [eduexe-source]11:0[/eduexe-source] i przejrzyj slajd 'Z jakim problemem z danymi mamy do czynienia w przypadku pliku "test_B3.jpg"?' [eduexe-source]11:10[/eduexe-source]. Pamiętaj, że model nie może rozpoznać czegoś, czego nigdy nie widział. To mały krok, który może pomóc Ci odzyskać pewność siebie.