conversation_by_pp9

[bot_eduexe]

[eduexe-intent]other[/eduexe-intent]
Jestem dużym modelem językowym, wytrenowanym przez Google. Moje działanie opiera się na przetwarzaniu Twoich zapytań i generowaniu odpowiedzi w oparciu o moją wiedzę ogólną oraz dostępne treści kursu, aby jak najlepiej Ci pomóc w nauce.

[student_1137_pp9]

Ale chodzi mi o chatbota w kursie

[bot_eduexe]

[eduexe-intent]course_content[/eduexe-intent]
Brak informacji w dostarczonym źródle.

[student_1137_pp9]

Klasyfikacja zawiera się w pojęciu predykcji? Bo jakby klasyfikacja przydziela wartosci 0 i 1, tak?

[bot_eduexe]

[eduexe-intent]other[/eduexe-intent]
Tak, klasyfikacja jest rodzajem predykcji. W uczeniu maszynowym predykcja to ogólne przewidywanie wartości, natomiast klasyfikacja to przypisywanie obiektu do jednej z określonych klas. Przykładowo, przewidywanie, czy obrazek przedstawia psa (klasa 1) czy kota (klasa 0), to właśnie klasyfikacja binarna, gdzie wartości 0 i 1 reprezentują te klasy.

[eduexe-source]7:8[/eduexe-source]

[student_1137_pp9]

jak mogę ponownie przystąpić do testu? miał być swobodny dostęp

[bot_eduexe]

[eduexe-intent]student_progress[/eduexe-intent]
"Swobodny dostęp" do wielokrotnego podchodzenia dotyczy quizów i zadań typu "Sprawdź się!", które są umieszczone w kursie poza głównymi testami i nie są punktowane. [eduexe-source]1:1[/eduexe-source]

Jeśli chodzi o testy punktowane, takie jak "Test początkowy" czy "Test cząstkowy - wprowadzenie do UM" (komponent 9), w materiałach kursu nie ma informacji o możliwości ponownego przystąpienia do nich w dowolnym momencie.

Możesz natomiast przystąpić do testu końcowego, jeśli uznasz, że zdobyte wcześniej punkty Cię nie satysfakcjonują. [eduexe-source]1:1[/eduexe-source]

[student_1137_pp9]

no ale była informacja, że liczy się najwyższa ocena

[bot_eduexe]

[eduexe-intent]student_progress[/eduexe-intent]
Tak, masz rację. W kursie jest informacja, że liczy się korzystniejszy dla Ciebie wynik. Oznacza to, że Twój końcowy wynik będzie sumą punktów za test początkowy i wszystkie testy cząstkowe ALBO sumą punktów za test początkowy i test końcowy – wybrana zostanie ta opcja, która da Ci wyższą ocenę. [eduexe-source]1:1[/eduexe-source]

[student_1137_pp9]

ajajajajaaj

[bot_eduexe]

[eduexe-intent]other[/eduexe-intent]
Rozumiem Twoją reakcję. System oceniania testów jest zaprojektowany tak, aby wybrać dla Ciebie korzystniejszy wynik. Jeśli masz jeszcze jakieś pytania dotyczące punktacji, chętnie wyjaśnię.

[student_1137_pp9]

no właśnie wydaje mi się że jej nie zrozumiałeś... ale mniejsza z tym

[bot_eduexe]

[eduexe-intent]other[/eduexe-intent]
Rozumiem, że możesz mieć takie wrażenie. Jeśli masz inne pytania, chętnie na nie odpowiem.

[student_1137_pp9]

xd

[bot_eduexe]

[eduexe-intent]other[/eduexe-intent]
Rozumiem. Jeśli masz inne pytania dotyczące kursu lub potrzebujesz pomocy w nauce, chętnie pomogę.

[student_1137_pp9]

to taka informacja do twórców - szkoda, że nie ma poczucia humoru ten bot...

[bot_eduexe]

[eduexe-intent]other[/eduexe-intent]
Rozumiem Twoją obserwację. Jako asystent e-learningowy jestem zaprogramowany głównie do dostarczania precyzyjnych i pomocnych informacji związanych z kursem oraz wiedzą ogólną, aby jak najlepiej wspierać Cię w nauce. Moje działanie koncentruje się na efektywnym przekazywaniu wiedzy.

[student_1137_pp9]

nie do końca rozumiem jak działa ten zbiór testowy - No bo jak wrzucam losowy obraz do klasyfikatora (np. test_1) to on nie jest jakby kompletnie spoza zbioru testowego i uczącego. Zatem to testowanie na zbiorze testowym kiedy następuje?

[bot_eduexe]

[eduexe-intent]course_content[/eduexe-intent]
Zbiór testowy to część danych, które model otrzymuje na początku, ale których nie wykorzystuje w procesie uczenia się. Służy on do sprawdzenia, jak dobrze model radzi sobie z klasyfikacją przykładów, których wcześniej nie widział. [15:3]

W Google Teachable Machine dane, które dostarczasz (np. z pliku Materialy.zip), są automatycznie dzielone na zbiór uczący (85%) i zbiór testowy (15%). [15:4] Testowanie na tym zbiorze następuje automatycznie po zakończeniu trenowania modelu. Kiedy wgrywasz "losowy obraz" taki jak test_1.jpg [8:6], używasz przykładu, który model "nie widział w procesie uczenia się" [8:6], co jest zgodne z przeznaczeniem zbioru testowego. Służy to demonstracji zdolności modelu do oceny nowych danych [8:9].

[student_1137_pp9]

no ale właśnie obraz który wrzucam jest spoza tych 15% zbioru testowego. To po co jest ten zbiór testowy, skoro wynik tego testu nie jest w żaden sposób dla użytkownika widoczny?