<![CDATA[conversation_by_3ql]]>Topic created

]]>https://forum.eduexe.com/topic/285/conversation_by_3qlRSS for NodeSat, 06 Jun 2026 02:13:30 GMTTue, 02 Jun 2026 22:45:13 GMT60<![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 20:43:12 GMT]]>[eduexe-intent]other[/eduexe-intent]
Twoja odpowiedź jest częściowo poprawna, ale wymaga precyzacji. Dokładność (accuracy) może być mylącą metryką w sytuacji, gdy mamy do czynienia z nierówną liczebnością klas (ang. imbalanced classes), czyli gdy jedna klasa ma znacznie mniej przykładów niż pozostałe. W takim przypadku, nawet jeśli model ignoruje rzadką klasę i zawsze przewiduje klasę dominującą, dokładność może być wysoka, ale model będzie bezużyteczny dla rzadkiej klasy.

[eduexe-source]22:6[/eduexe-source]

Czy chcesz odpowiedzieć na kolejne pytanie, czy masz inne pytania?

]]>https://forum.eduexe.com/post/5080https://forum.eduexe.com/post/5080Wed, 03 Jun 2026 20:43:12 GMT<![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 20:42:55 GMT]]>
  • W sytuacji kiedy mamy bardzo niewiele danych
    • ]]>    https://forum.eduexe.com/post/5079https://forum.eduexe.com/post/5079Wed, 03 Jun 2026 20:42:55 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 20:42:41 GMT]]>[eduexe-intent]student_progress[/eduexe-intent]
    Twoja odpowiedź jest poprawna. Dokładność modelu wynosi 70%. Oblicza się ją, dzieląc liczbę poprawnie zaklasyfikowanych przykładów (20 psów jako psy + 15 kotów jako koty = 35) przez łączną liczbę wszystkich przykładów w zbiorze testowym (20+5+15+10 = 50). Daje to 35/50 = 0.7, czyli 70%. [eduexe-source]22:5[/eduexe-source]

    Czy chcesz odpowiedzieć na kolejne pytanie, czy masz inne pytania?

    ]]>    https://forum.eduexe.com/post/5078https://forum.eduexe.com/post/5078Wed, 03 Jun 2026 20:42:41 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 20:42:35 GMT]]>
  • 70%
    • ]]>    https://forum.eduexe.com/post/5077https://forum.eduexe.com/post/5077Wed, 03 Jun 2026 20:42:35 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 20:40:46 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
    Twoja odpowiedź "Dokładność opisuje nam stosunek poprawnych odpowiedzi modelu do jego błędów" jest nieprecyzyjna.

    Dokładność (Accuracy) to stosunek poprawnie zaklasyfikowanych przez model przykładów testowych do wszystkich przykładów testowych. Im wyższa jej wartość (bliżej 1), tym lepszy model. [eduexe-source]22:1[/eduexe-source]

    ]]>    https://forum.eduexe.com/post/5076https://forum.eduexe.com/post/5076Wed, 03 Jun 2026 20:40:46 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 20:40:42 GMT]]>
  • Dokladnosc opisuje nam stosunek poprawnych odpowiedzi modelu do jego bledow
    • ]]>    https://forum.eduexe.com/post/5075https://forum.eduexe.com/post/5075Wed, 03 Jun 2026 20:40:42 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 20:18:43 GMT]]>[eduexe-intent]student_progress[/eduexe-intent]
    Jasne, oto 3 krótkie pytania kontrolne na podstawie aktualnej części kursu i Twoich postępów, skupiające się na metryce dokładności:

    1. Czym jest dokładność (accuracy) modelu uczenia maszynowego? [eduexe-source]22:1[/eduexe-source]
    2. Załóżmy, że model odróżniający psy od kotów, dla zbioru testowego, ocenił: 20 psów jako psy, 5 psów jako koty, 15 kotów jako koty i 10 kotów jako psy. Ile wynosi dokładność tego modelu? [eduexe-source]22:5[/eduexe-source]
    3. W jakiej sytuacji dokładność (accuracy) może być mylącą metryką do oceny jakości modelu? [eduexe-source]22:6[/eduexe-source][eduexe-source]22:7[/eduexe-source]
    ]]>    https://forum.eduexe.com/post/5062https://forum.eduexe.com/post/5062Wed, 03 Jun 2026 20:18:43 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 20:18:31 GMT]]>Na podstawie aktualnej części kursu i moich postępów zadaj mi 2-3 krótkie pytania kontrolne. Nie podawaj od razu odpowiedzi; najpierw sprawdź moje rozumienie.

    ]]>    https://forum.eduexe.com/post/5061https://forum.eduexe.com/post/5061Wed, 03 Jun 2026 20:18:31 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 19:39:20 GMT]]>[eduexe-intent]student_progress[/eduexe-intent]
    Odpowiedź "30" jest niepoprawna.

    W Google Teachable Machine, dane są dzielone na zbiór uczący i testowy w proporcji 85% do 15% [eduexe-source]15:4[/eduexe-source]. Jeśli masz 1000 obrazów równo podzielonych na 5 klas, to na każdą klasę przypada 200 obrazów (1000 / 5 = 200). Do treningu z jednej klasy zostanie użyte 85% z tych 200 obrazów, czyli 170 obrazów (0.85 * 200 = 170). Wartość "30" odpowiada liczbie obrazów z jednej klasy, które trafią do zbioru testowego (0.15 * 200 = 30).

    ]]>    https://forum.eduexe.com/post/5024https://forum.eduexe.com/post/5024Wed, 03 Jun 2026 19:39:20 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 19:39:06 GMT]]>
  • 30
    • ]]>    https://forum.eduexe.com/post/5023https://forum.eduexe.com/post/5023Wed, 03 Jun 2026 19:39:06 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 19:38:36 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
    Twoja odpowiedź jest poprawna. Jeśli zbiór uczący byłby znacznie mniejszy niż zbiór testowy, model nie miałby wystarczająco dużo danych, aby skutecznie się nauczyć i zbudować odpowiedni model matematyczny, co uniemożliwiłoby mu poprawne wykonywanie zadań klasyfikacji. [eduexe-source]15:7[/eduexe-source]

    Czy chcesz odpowiedzieć na kolejne pytanie, czy masz inne pytania?

    ]]>    https://forum.eduexe.com/post/5022https://forum.eduexe.com/post/5022Wed, 03 Jun 2026 19:38:36 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 19:38:31 GMT]]>
  • Model nie miałby wystarczająco dużo danych żeby umieć poprawnie robić to co powinien
    • ]]>    https://forum.eduexe.com/post/5021https://forum.eduexe.com/post/5021Wed, 03 Jun 2026 19:38:31 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 19:37:47 GMT]]>[eduexe-intent]other[/eduexe-intent]
    Twoja odpowiedź jest poprawna. Zbiór testowy musi być reprezentatywny dla danych uczących, aby model mógł skutecznie wykorzystać wiedzę, którą zdobył podczas treningu, i aby ocena jego działania była miarodajna. Jeśli zbiór testowy zawierałby zupełnie nowe, nieprzewidziane typy przykładów, model nie byłby w stanie ich poprawnie sklasyfikować. [eduexe-source]15:7[/eduexe-source]

    Czy chcesz odpowiedzieć na kolejne pytanie, czy masz inne pytania?

    ]]>    https://forum.eduexe.com/post/5020https://forum.eduexe.com/post/5020Wed, 03 Jun 2026 19:37:47 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 19:37:39 GMT]]>
  • Musi być podobny do zbioru uczącego, ponieważ w innym przypadku nie będzie w stanie wykorzystać wiedzy zdobytej w zbiorze uczącym
    • ]]>    https://forum.eduexe.com/post/5019https://forum.eduexe.com/post/5019Wed, 03 Jun 2026 19:37:39 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 19:36:45 GMT]]>[eduexe-intent]student_progress[/eduexe-intent]
    Jasne, oto 3 krótkie pytania kontrolne na podstawie dotychczasowej części kursu i Twoich postępów, skupiające się na podstawowych pojęciach związanych ze zbiorami danych:

    1. Dlaczego zbiór testowy powinien być reprezentatywny dla całego zbioru danych, a nie zawierać tylko zupełnie nowe, nieprzewidziane typy przykładów? [eduexe-source]15:7[/eduexe-source]
    2. Co mogłoby się stać, gdyby zbiór uczący był znacznie mniejszy niż zbiór testowy? [eduexe-source]15:7[/eduexe-source]
    3. Załóżmy, że masz łącznie 1000 obrazów, które są równo podzielone na 5 klas. Ile obrazów z jednej, konkretnej klasy zostanie użytych do treningu w Google Teachable Machine? [eduexe-source]15:4[/eduexe-source]
    ]]>    https://forum.eduexe.com/post/5018https://forum.eduexe.com/post/5018Wed, 03 Jun 2026 19:36:45 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 19:36:31 GMT]]>Na podstawie aktualnej części kursu i moich postępów zadaj mi 2-3 krótkie pytania kontrolne. Nie podawaj od razu odpowiedzi; najpierw sprawdź moje rozumienie.

    ]]>    https://forum.eduexe.com/post/5017https://forum.eduexe.com/post/5017Wed, 03 Jun 2026 19:36:31 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 17:21:26 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
    Twoja odpowiedź jest poprawna. Problem, w którym model ma trudności z rozróżnianiem dwóch bardzo podobnych obiektów, które są różnymi klasami, nazywamy przypadkiem granicznym między klasami. [eduexe-source]11:2[/eduexe-source][eduexe-source]14:6[/eduexe-source]

    Czy chcesz odpowiedzieć na kolejne pytanie, czy masz inne pytania?

    ]]>    https://forum.eduexe.com/post/4955https://forum.eduexe.com/post/4955Wed, 03 Jun 2026 17:21:26 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 17:21:16 GMT]]>
  • Przypadek graniczny
    • ]]>    https://forum.eduexe.com/post/4954https://forum.eduexe.com/post/4954Wed, 03 Jun 2026 17:21:16 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 17:20:56 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
    Twoja odpowiedź jest poprawna. Problem, w którym jedna klasa ma znacznie mniej przykładów niż inna, nazywamy nierówną liczebnością klas. W takiej sytuacji model może faktycznie radzić sobie gorzej z rozpoznawaniem mniej licznej klasy lub wręcz ją ignorować, co prowadzi do tego, że będzie ona wybierana rzadziej niż powinna. [eduexe-source]11:4[/eduexe-source][eduexe-source]14:2[/eduexe-source]

    Czy chcesz odpowiedzieć na kolejne pytanie, czy masz inne pytania?

    ]]>    https://forum.eduexe.com/post/4953https://forum.eduexe.com/post/4953Wed, 03 Jun 2026 17:20:56 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 17:20:47 GMT]]>
  • Klasa ktora ma mniej przykladow moze byc wybierana rzadziej niz powinna
    • ]]>    https://forum.eduexe.com/post/4952https://forum.eduexe.com/post/4952Wed, 03 Jun 2026 17:20:47 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 17:20:20 GMT]]>[eduexe-intent]other[/eduexe-intent]
    Twoja odpowiedź jest poprawna. Model, który został wytrenowany tylko na zdjęciach psów i kotów, nie zna kategorii "samochód". W takiej sytuacji będzie próbował przypisać samochód do jednej z dwóch znanych mu klas, czyli psa lub kota, ponieważ nie ma innej opcji. Taki problem nazywamy "danymi spoza klas". [eduexe-source]11:5[/eduexe-source]

    Chcesz odpowiedzieć na kolejne pytanie, czy masz inne pytania?

    ]]>    https://forum.eduexe.com/post/4951https://forum.eduexe.com/post/4951Wed, 03 Jun 2026 17:20:20 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 17:20:12 GMT]]>
  • Model bedzie probowac przypisac samochod do jednej z dwoch mozliwych klas
    • ]]>    https://forum.eduexe.com/post/4950https://forum.eduexe.com/post/4950Wed, 03 Jun 2026 17:20:12 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 17:19:30 GMT]]>[eduexe-intent]student_progress[/eduexe-intent]
    Jasne, oto 3 krótkie pytania kontrolne na podstawie dotychczasowej części kursu i Twoich postępów, skupiające się na problemach z danymi:

    1. Jaki problem z danymi występuje, gdy model do rozpoznawania zwierząt, trenowany tylko na zdjęciach psów i kotów, błędnie klasyfikuje zdjęcia samochodów jako psy? [eduexe-source]11:5[/eduexe-source]
    2. Masz zbiór danych do klasyfikacji, w którym jedna klasa ma 1000 przykładów, a druga tylko 5. Jaki problem z danymi to może powodować w procesie uczenia maszynowego? [eduexe-source]11:4[/eduexe-source]
    3. Model do klasyfikacji obrazów ma trudności z rozróżnianiem dwóch bardzo podobnych obiektów, które w rzeczywistości są różnymi klasami, ale wizualnie są do siebie zbliżone. Jak określamy ten rodzaj problemu z danymi? [eduexe-source]11:2[/eduexe-source]
    ]]>    https://forum.eduexe.com/post/4949https://forum.eduexe.com/post/4949Wed, 03 Jun 2026 17:19:30 GMT    <![CDATA[Reply to conversation_by_3ql on Wed, 03 Jun 2026 17:19:14 GMT]]>Na podstawie aktualnej części kursu i moich postępów zadaj mi 2-3 krótkie pytania kontrolne. Nie podawaj od razu odpowiedzi; najpierw sprawdź moje rozumienie.

    ]]>    https://forum.eduexe.com/post/4948https://forum.eduexe.com/post/4948Wed, 03 Jun 2026 17:19:14 GMT