Wykonane:

• Ukończyłeś "Test początkowy" z wynikiem 10 punktów. [5:interactions]
• Wypełniłeś "Kwestionariusz początkowy" oraz "Kwestionariusz końcowy". [4:interactions][27:interactions]
• Przejrzałeś materiały startowe i spis treści. [1:2][3:1]
• Rozwiązałeś poprawnie wszystkie quizy w modułach A, B, C (oprócz jednego w C3) i D.
• Rozwiązałeś poprawnie testy cząstkowe z modułów A, B i D. [9:interactions][13:interactions][28:interactions]

Wymaga pracy:

• W komponencie "C3 - Podstawowe pojęcia UM - strata, przeuczenie, niedouczenie" jeden quiz nie został jeszcze rozwiązany. [17:3]
• Test cząstkowy z modułu C ("CT - Podstawowe pojęcia UM - Test") nie został rozwiązany w pełni poprawnie. [19:interactions]
• "Zadanie końcowe" nie zostało jeszcze wykonane. [1:1]

Twój obecny wynik w kursie to 48 punktów. Status ukończenia kursu to "NIEKOMPLETNY", jednak status sukcesu to "PASSED".

Najważniejsze pojęcia to:

• Dokładność (Accuracy): To stosunek poprawnie zaklasyfikowanych przez model przykładów testowych do wszystkich przykładów testowych. Im wyższa wartość (bliżej 1), tym lepszy model. [22:1]
• Obliczanie dokładności: Suma poprawnie sklasyfikowanych przypadków (prawdziwie pozytywne i prawdziwie negatywne) podzielona przez sumę wszystkich przypadków testowych. [22:1]
• Ograniczenia dokładności: Nie zawsze jest dobrą miarą, zwłaszcza gdy klasy mają bardzo nierówną liczebność. W takich przypadkach model może uzyskać wysoką dokładność, ignorując rzadszą klasę, co czyni go bezużytecznym. [22:6]

• Zbiór uczący i testowy: Dane do nauki i sprawdzania modelu. [20:1]
• Epoka: Jednokrotne przejście modelu przez cały zbiór uczący. [20:1]
• Przeuczenie/Niedouczenie: Problemy, gdy model uczy się za bardzo/za mało. [20:1]
• Macierz pomyłek: Tabela pokazująca, jak model klasyfikuje przykłady. [20:1]

Wykonane:

• Ukończyłeś "Test początkowy" (10 pkt). [5:interactions]
• Wypełniłeś "Kwestionariusz początkowy". [4:interactions]
• Przejrzałeś materiały startowe i spis treści. [1:2]
• Rozwiązałeś poprawnie testy cząstkowe z modułów A i B. [9:interactions][13:interactions]
• Ukończyłeś większość quizów w modułach A, B i C.

Wymaga pracy:

• W module C, w komponencie "C3 - Podstawowe pojęcia UM - strata, przeuczenie, niedouczenie" jest jeden quiz, który nie został jeszcze rozwiązany. [17:3]
• Test cząstkowy z modułu C ("CT - Podstawowe pojęcia UM - Test") nie został rozwiązany w pełni poprawnie. [19:interactions]
• Cały moduł D ("Metryki") wraz z testem cząstkowym.
• Zadanie końcowe.

Twój obecny wynik w kursie to 24 punkty. Status ukończenia kursu to "NIEKOMPLETNY".

Wykonane:

• Ukończyłeś "Test początkowy" (10 pkt). [5:interactions]
• Wypełniłeś "Kwestionariusz początkowy". [4:interactions]
• Przejrzałeś materiały startowe i spis treści. [1:2]
• Rozwiązałeś poprawnie 2 testy cząstkowe (z modułu A i B). [9:interactions][13:interactions]

Wymaga pracy:

• Masz nierozwiązane zadania/quizy w modułach A (A1, A2, A3), B (B1, B2) i C (C3). W module A (A1) jeden quiz został rozwiązany niepoprawnie. [7:7]
• Do ukończenia pozostał test cząstkowy z modułu C (obecnie znajdujesz się w tym komponencie).
• Cały moduł D ("Metryki") wraz z testem cząstkowym.
• Zadanie końcowe.

Twój obecny wynik w kursie to 20 punktów. Status: NIEKOMPLETNY.

Najważniejsze rzeczy do zapamiętania:

• Macierz Pomyłek służy do oceny, jak model klasyfikuje przykłady ze zbioru testowego, pokazując, ile z nich zostało poprawnie i błędnie przypisanych do poszczególnych klas. [18:1]
• Dla dwóch klas (np. kanarki i wróble) macierz dzieli się na cztery części: poprawnie zaklasyfikowane kanarki (prawdziwie pozytywne), kanarki błędnie zaklasyfikowane jako wróble (fałszywie negatywne), wróble błędnie zaklasyfikowane jako kanarki (fałszywie pozytywne) oraz poprawnie zaklasyfikowane wróble (prawdziwie negatywne). [18:2]
• Rozmiar macierzy zależy od liczby klas (np. 3x3 dla trzech klas). [18:2]

Wykonane:

• Ukończyłeś "Test początkowy" (10 pkt) [5:interactions], "Kwestionariusz początkowy" [4:interactions] oraz przeglądałeś materiały startowe. [1:2]
• Rozwiązałeś poprawnie 2 testy cząstkowe. [9:interactions][13:interactions]

Wymaga pracy:

• Masz nierozwiązane zadania/quizy w modułach A, B i C. W module A jeden quiz został rozwiązany niepoprawnie. [7:interactions]
• Do ukończenia pozostał test cząstkowy z modułu C, cały moduł D ("Metryki") z testem cząstkowym oraz Zadanie końcowe.

Twój obecny wynik w kursie to 20 punktów. Status: NIEKOMPLETNY.

• Epoka: To jednokrotne przejście modelu przez wszystkie przykłady ze zbioru uczącego. Zazwyczaj potrzeba wielu epok, by model dobrze się nauczył. [16:3]
• Wielkość wsadu (Batch size): To liczba przykładów, które model przetwarza jednocześnie w jednej iteracji treningu. Większy wsad wymaga więcej zasobów, ale może skrócić liczbę potrzebnych epok. [16:5]
• Współczynnik uczenia się (Learning rate): Określa wielkość "kroku", o jaki model koryguje swoje wyniki w kierunku oczekiwanych. Zbyt mały wydłuża trening, zbyt duży może sprawić, że model "przepuści" optymalne rozwiązanie. [16:7]

• Epoka: Jednokrotne przejście modelu przez wszystkie przykłady ze zbioru uczącego. Zazwyczaj potrzeba wielu epok do skutecznej nauki. [16:3]
• Wielkość wsadu (Batch size): Liczba przykładów przetwarzanych jednocześnie w jednej iteracji treningu. Większy wsad może skrócić liczbę potrzebnych epok, ale wymaga więcej zasobów. [16:5]
• Współczynnik uczenia się (Learning rate): Określa "wielkość kroku", o jaki model koryguje swoje wyniki. Zbyt mały wydłuża trening, a zbyt duży może spowodować "przepuszczenie" optymalnego rozwiązania. [16:7]

• Epoka: To jednokrotne przejście modelu przez wszystkie przykłady ze zbioru uczącego. Zazwyczaj potrzeba wielu epok, aby model dobrze się nauczył. [eduexe-source]16:3[/eduexe-source]
• Wielkość wsadu (Batch size): To liczba przykładów, które model przetwarza jednocześnie w jednej iteracji treningu. Większy wsad wymaga więcej zasobów, ale może skrócić liczbę potrzebnych epok. [eduexe-source]16:5[/eduexe-source]
• Współczynnik uczenia się (Learning rate): Określa wielkość "kroku", o jaki model koryguje swoje wyniki w kierunku oczekiwanych. Zbyt mały wydłuża trening, zbyt duży może sprawić, że model "przepuści" optymalne rozwiązanie. [eduexe-source]16:7[/eduexe-source]