<![CDATA[conversation_by_8pk]]>Topic created

]]>https://forum.eduexe.com/topic/322/conversation_by_8pkRSS for NodeThu, 13 Aug 2026 19:26:22 GMTMon, 08 Jun 2026 17:43:13 GMT60<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:20:12 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Macierz pomyłek (ang. confusion matrix), nazywana również tablicą pomyłek, to tabela pokazująca, ile przykładów ze zbioru testowego zostało poprawnie zaklasyfikowanych przez model do właściwej klasy, a ile błędnie. Ma ona kluczowe znaczenie dla oceny modeli i jest podstawą do obliczania metryk. [eduexe-source]20:1[/eduexe-source][eduexe-source]21:2[/eduexe-source]

]]>https://forum.eduexe.com/post/5815https://forum.eduexe.com/post/5815Mon, 08 Jun 2026 18:20:12 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:20:03 GMT]]>a macierz pomylek co to

]]>https://forum.eduexe.com/post/5814https://forum.eduexe.com/post/5814Mon, 08 Jun 2026 18:20:03 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:19:37 GMT]]>[eduexe-intent]other[/eduexe-intent]
Podstawą do obliczania metryk w Uczeniu Maszynowym jest macierz pomyłek (ang. confusion matrix). Mówi ona, ile przykładów ze zbioru testowego zostało poprawnie zaklasyfikowanych przez model do właściwej klasy, a ile błędnie. [eduexe-source]21:2[/eduexe-source]

]]>https://forum.eduexe.com/post/5813https://forum.eduexe.com/post/5813Mon, 08 Jun 2026 18:19:37 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:19:26 GMT]]>czy mjest podstawa do obliczania metryk

]]>https://forum.eduexe.com/post/5812https://forum.eduexe.com/post/5812Mon, 08 Jun 2026 18:19:26 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:18:53 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Tak, metryka (ang. metric) w kontekście Uczenia Maszynowego to miara oceny wytrenowanych modeli, która pozwala porównywać je między sobą. Jest to funkcja, która przyjmuje model jako argument i zwraca wartość oceniającą jego działanie. Im wyższa wartość metryki, tym lepszy model. [eduexe-source]21:1[/eduexe-source]

]]>https://forum.eduexe.com/post/5811https://forum.eduexe.com/post/5811Mon, 08 Jun 2026 18:18:53 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:18:48 GMT]]>czy mjest metryka?

]]>https://forum.eduexe.com/post/5810https://forum.eduexe.com/post/5810Mon, 08 Jun 2026 18:18:48 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:16:44 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Wartość 11 jest poprawna, ponieważ w tym konkretnym przypadku zbiór uczący składa się ze 170 przykładów. Przy domyślnej wielkości wsadu ustawionej na 16, model potrzebuje 11 wsadów, aby przejść przez cały zbiór uczący w jednej epoce (10 wsadów po 16 przykładów i jeden wsad z pozostałymi 10 przykładami). [eduexe-source]16:5[/eduexe-source]

]]>https://forum.eduexe.com/post/5809https://forum.eduexe.com/post/5809Mon, 08 Jun 2026 18:16:44 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:16:25 GMT]]>jak 11 jest wyraznie napisane ze 32

]]>https://forum.eduexe.com/post/5808https://forum.eduexe.com/post/5808Mon, 08 Jun 2026 18:16:25 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:15:49 GMT]]>[eduexe-intent]student_progress[/eduexe-intent]
W teście CT (Test cząstkowy - podstawowe pojęcia UM) pomyliłaś się w jednym pytaniu:

Pytanie: Pracujemy na modelu wczytanym do GTM z pliku "model_CT.tm". Z ilu wsadów dla wczytanego modelu będzie składać się pojedyncza epoka? [eduexe-source]19:1[/eduexe-source]
Twoja odpowiedź: 32
Poprawna odpowiedź: 11

]]>https://forum.eduexe.com/post/5807https://forum.eduexe.com/post/5807Mon, 08 Jun 2026 18:15:49 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:15:44 GMT]]>co mialam zle w tescie ct?

]]>https://forum.eduexe.com/post/5806https://forum.eduexe.com/post/5806Mon, 08 Jun 2026 18:15:44 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:06:34 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Zbiór uczący można porównać do repetytorium z zadaniami, które rozwiązuje się, aby opanować materiał, i dla których w każdej chwili można sprawdzić poprawną odpowiedź. [eduexe-source]15:3[/eduexe-source]

]]>https://forum.eduexe.com/post/5805https://forum.eduexe.com/post/5805Mon, 08 Jun 2026 18:06:34 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:06:30 GMT]]>do czego mozna porownac zbior uczacy

]]>https://forum.eduexe.com/post/5804https://forum.eduexe.com/post/5804Mon, 08 Jun 2026 18:06:30 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:06:06 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Zbiór testowy (ang. test set) składa się z przykładów, których model nie wykorzystał w procesie uczenia się. Służy on do przetestowania, jak dobrze model radzi sobie z klasyfikacją nowych danych, których wcześniej nie widział. W Google Teachable Machine zbiór testowy automatycznie zawiera 15% danych z każdej klasy. [eduexe-source]15:3[/eduexe-source][eduexe-source]15:4[/eduexe-source]

]]>https://forum.eduexe.com/post/5803https://forum.eduexe.com/post/5803Mon, 08 Jun 2026 18:06:06 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:06:02 GMT]]>z czego sklada sie Zbior testowy

]]>https://forum.eduexe.com/post/5802https://forum.eduexe.com/post/5802Mon, 08 Jun 2026 18:06:02 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:05:27 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Zbiór uczący (treningowy) musi być znacząco większy od zbioru testowego, ponieważ model potrzebuje dużej ilości danych, aby skutecznie się na nich uczyć i potrenować klasyfikowanie. [eduexe-source]15:7[/eduexe-source]

]]>https://forum.eduexe.com/post/5801https://forum.eduexe.com/post/5801Mon, 08 Jun 2026 18:05:27 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 18:05:22 GMT]]>czemu zbior uczacy musi byc wiekszy niz zbior testowy

]]>https://forum.eduexe.com/post/5800https://forum.eduexe.com/post/5800Mon, 08 Jun 2026 18:05:22 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 17:56:29 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Model klasyfikuje auto jako psa, ponieważ w procesie treningu nie został nauczony rozpoznawania samochodów. Jego wiedza jest ograniczona wyłącznie do klas, na których był trenowany (psy i koty). Model nie "widział" żadnych przykładów samochodów, więc jest zmuszony przypisać nowy obiekt do jednej z tych znanych kategorii. Aby model poradził sobie z rozpoznawaniem samochodów, musiałaby zostać dodana dodatkowa klasa z obrazami samochodów do danych treningowych. [eduexe-source]11:5[/eduexe-source]

]]>https://forum.eduexe.com/post/5799https://forum.eduexe.com/post/5799Mon, 08 Jun 2026 17:56:29 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 17:56:20 GMT]]>a dokladniej wytlumacz mi to

]]>https://forum.eduexe.com/post/5798https://forum.eduexe.com/post/5798Mon, 08 Jun 2026 17:56:20 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 17:55:55 GMT]]>[eduexe-intent]student_progress[/eduexe-intent]
Model klasyfikuje auto jako psa, ponieważ w procesie treningu nie nauczyłeś go rozpoznawać samochodów. Jego wiedza ogranicza się do klas, na których był trenowany (psy i koty), więc zmuszony jest przypisać nowy obiekt do jednej z tych znanych kategorii. [eduexe-source]11:5[/eduexe-source]

]]>https://forum.eduexe.com/post/5797https://forum.eduexe.com/post/5797Mon, 08 Jun 2026 17:55:55 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 17:55:51 GMT]]>czemu jak trenuje na bazie psow i kotow on mi np oceni auto jako psa

]]>https://forum.eduexe.com/post/5796https://forum.eduexe.com/post/5796Mon, 08 Jun 2026 17:55:51 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 17:54:55 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Dane są niezbędne do działania uczenia maszynowego. Odpowiedni dobór i przygotowanie danych jest niezwykle ważne, ponieważ ich jakość i reprezentatywność bezpośrednio wpływają na zdolność modelu do prawidłowego rozpoznawania i klasyfikowania obiektów. Problemy takie jak brak danych dla pewnych klas, nierówna liczebność klas czy niewystarczająca liczba przykładów mogą znacząco obniżyć skuteczność modelu. [eduexe-source]11:1[/eduexe-source][eduexe-source]14:2[/eduexe-source]

]]>https://forum.eduexe.com/post/5795https://forum.eduexe.com/post/5795Mon, 08 Jun 2026 17:54:55 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 17:54:44 GMT]]>jak istotne sa dane?

]]>https://forum.eduexe.com/post/5794https://forum.eduexe.com/post/5794Mon, 08 Jun 2026 17:54:44 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 17:51:07 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Google Teachable Machine (GTM) to przeglądarkowe narzędzie firmy Google, które pozwala na tworzenie modeli Uczenia Maszynowego bez potrzeby umiejętności programistycznych czy matematycznych. W kursie jest wykorzystywane do zadań praktycznych. [eduexe-source]8:1[/eduexe-source]

]]>https://forum.eduexe.com/post/5793https://forum.eduexe.com/post/5793Mon, 08 Jun 2026 17:51:07 GMT<![CDATA[Reply to conversation_by_8pk on Mon, 08 Jun 2026 17:51:02 GMT]]>co to jest to google teachable machine

]]>https://forum.eduexe.com/post/5792https://forum.eduexe.com/post/5792Mon, 08 Jun 2026 17:51:02 GMT