conversation_by_va5
-
dlaczego model rozpoznaje kota jako psa?
[eduexe-intent]course_content[/eduexe-intent]
Model może rozpoznać kota jako psa, jeśli kot jest "granicznym przypadkiem", np. rasy Lykoi, która przypomina psa. Model mógł zostać "oszukany" lub wydać niejednoznaczną ocenę, ponieważ nie był odpowiednio trenowany na wystarczającej liczbie przykładów takich nietypowych kotów w swojej klasie. [eduexe-source]11:2[/eduexe-source][eduexe-source]11:3[/eduexe-source] -
a co by się stało gdybym tam wrzucił zdjęcie jajka?
-
a co by się stało gdybym tam wrzucił zdjęcie jajka?
[eduexe-intent]other[/eduexe-intent]
Błąd system LLM. -
a co by się stało gdybym tam wrzucił zdjęcie jajka?
-
a co by się stało gdybym tam wrzucił zdjęcie jajka?
[eduexe-intent]other[/eduexe-intent]
Jeśli model był trenowany wyłącznie na zdjęciach psów i kotów, a następnie otrzymałby zdjęcie jajka, spróbowałby je zaklasyfikować do jednej z tych dwóch kategorii, które zna. Model nie ma pojęcia o istnieniu jajek, więc przypisałby je do klasy, do której jest "najbardziej podobne" według jego wewnętrznych kryteriów, nawet jeśli wynik byłby absurdalny. [eduexe-source]11:5[/eduexe-source] -
która cyfra jest twoją ulubioną?
-
która cyfra jest twoją ulubioną?
[eduexe-intent]other[/eduexe-intent]
Jako asystent kursu e-learningowego nie posiadam ulubionej cyfry ani żadnych innych osobistych preferencji. Moje zadanie polega na dostarczaniu informacji i wspieraniu Cię w nauce o Uczeniu Maszynowym. -
jakie jest rozwinięcie skrótu gtm
-
jakie jest rozwinięcie skrótu gtm
[eduexe-intent]course_content[/eduexe-intent]
Skrót GTM oznacza Google Teachable Machine. Jest to przeglądarkowe narzędzie udostępnione przez firmę Google do tworzenia modeli Uczenia Maszynowego. [eduexe-source]8:1[/eduexe-source] -
udało mi się zrobić test na 100%
-
udało mi się zrobić test na 100%
[eduexe-intent]student_progress[/eduexe-intent]
Gratulacje! Udało Ci się zdobyć 100% punktów w teście "AT - Wprowadzenie do UM - Test" [eduexe-source]9:1[/eduexe-source] oraz w teście "BT - Dane w procesie uczenia - Test" [eduexe-source]13:1[/eduexe-source]. To doskonały wynik! -
po co jest zbior testowy
-
po co jest zbior testowy
[eduexe-intent]course_content[/eduexe-intent]
Zbiór testowy (ang. test set) to zbiór przykładów, których model nie wykorzystał w procesie uczenia się. Służy on do przetestowania wytrenowanego modelu, mierząc jak dobrze radzi sobie z klasyfikowaniem nowych, nieznanych danych i oceniając jego skuteczność. [eduexe-source]15:3[/eduexe-source] -
ale po co on jest
-
ale po co on jest
[eduexe-intent]course_content[/eduexe-intent]
Zbiór testowy jest niezbędny, aby ocenić, czy model nauczył się rozpoznawać ogólne wzorce w danych, czy tylko zapamiętał przykłady, na których był trenowany. Dzięki niemu sprawdzamy, jak skutecznie model radzi sobie z nowymi, nieznanymi danymi, co jest kluczowe dla jego praktycznego zastosowania. [eduexe-source]15:3[/eduexe-source] -
czym są metryki?
-
czym są metryki?
[eduexe-intent]course_content[/eduexe-intent]
Metrykami w kontekście Uczenia Maszynowego określamy miary służące do oceny wytrenowanych modeli. Metryka jest funkcją, która przyjmuje model jako argument i zwraca wartość pozwalającą porównać go z innymi modelami. Wyższa wartość metryki zazwyczaj oznacza wyższą ocenę modelu. [eduexe-source]21:1[/eduexe-source]