Topic created

]]>https://forum.eduexe.com/topic/333/conversation_by_7y4RSS for NodeThu, 13 Aug 2026 18:25:25 GMTThu, 11 Jun 2026 12:28:53 GMT60[eduexe-intent]course_content[/eduexe-intent]
Nie ma jednej "najlepszej" metryki. Każda z omówionych metryk ma swoje wady i zalety, a wybór tej najodpowiedniejszej zależy od zbioru danych oraz głównego celu, jaki ma spełniać model. [eduexe-source]26:4[/eduexe-source]

• Dokładność (accuracy) jest uniwersalna, ale może być niemiarodajna przy dużej różnicy liczebności między klasami.
• Precyzja (precision) jest najważniejsza, gdy celem jest ograniczenie liczby fałszywie pozytywnych przypadków.
• Czułość (recall) jest kluczowa, gdy zależy nam na wykryciu jak największej liczby przykładów z jednej klasy (ograniczenie fałszywie negatywnych).
• F-score to uniwersalna metryka, gdy potrzebny jest kompromis między precyzją a czułością.

]]>https://forum.eduexe.com/post/6230https://forum.eduexe.com/post/6230Thu, 11 Jun 2026 17:48:55 GMTKtora metryka jest "najlepsza"

]]>https://forum.eduexe.com/post/6229https://forum.eduexe.com/post/6229Thu, 11 Jun 2026 17:48:45 GMT[eduexe-intent]course_content[/eduexe-intent]
Dokładność (Accuracy) to stosunek poprawnie zaklasyfikowanych przykładów testowych do wszystkich przykładów testowych. Precyzja (Precision) to stosunek poprawnie sklasyfikowanych diagnoz pozytywnych do liczby wszystkich przypadków sklasyfikowanych jako pozytywne. Dokładność może być myląca przy nierównej liczebności klas, natomiast precyzja lepiej radzi sobie w takich sytuacjach. [eduexe-source]22:1[/eduexe-source][eduexe-source]23:1[/eduexe-source][eduexe-source]23:4[/eduexe-source]

]]>https://forum.eduexe.com/post/6228https://forum.eduexe.com/post/6228Thu, 11 Jun 2026 17:46:57 GMTJaka jest roznica pomiedzy precyzja a dokladnoscia

]]>https://forum.eduexe.com/post/6227https://forum.eduexe.com/post/6227Thu, 11 Jun 2026 17:46:49 GMT[eduexe-intent]course_content[/eduexe-intent]
Celem procesu trenowania modelu jest minimalizowanie funkcji straty. Idealny model, który nigdy się nie myli, miałby wartość funkcji straty na poziomie 0. Kurs nie określa konkretnej "dopuszczalnej" wartości straty, lecz dąży się do jej jak najniższej wartości. [eduexe-source]17:2[/eduexe-source]

]]>https://forum.eduexe.com/post/6170https://forum.eduexe.com/post/6170Thu, 11 Jun 2026 16:31:29 GMTJaka strata jest dopuszczalna

]]>https://forum.eduexe.com/post/6169https://forum.eduexe.com/post/6169Thu, 11 Jun 2026 16:31:11 GMT[eduexe-intent]course_content[/eduexe-intent]
Wielkość wsadu (ang. batch size) to rozmiar porcji treningowej, czyli liczba przykładów, jaką model otrzymuje na raz do trenowania w pojedynczej iteracji swojego działania. [eduexe-source]16:5[/eduexe-source]

]]>https://forum.eduexe.com/post/6166https://forum.eduexe.com/post/6166Thu, 11 Jun 2026 16:28:02 GMTZa co odpowiada wsad

]]>https://forum.eduexe.com/post/6165https://forum.eduexe.com/post/6165Thu, 11 Jun 2026 16:27:58 GMT[eduexe-intent]course_content[/eduexe-intent]
Pojedyncza epoka (ang. epoch) to przejście modelu w czasie treningu przez wszystkie przykłady ze zbioru uczącego (treningowego). [eduexe-source]16:3[/eduexe-source]

]]>https://forum.eduexe.com/post/6164https://forum.eduexe.com/post/6164Thu, 11 Jun 2026 16:27:26 GMTCzym jest epoch

]]>https://forum.eduexe.com/post/6163https://forum.eduexe.com/post/6163Thu, 11 Jun 2026 16:27:15 GMTCzym jest epoka

]]>https://forum.eduexe.com/post/6157https://forum.eduexe.com/post/6157Thu, 11 Jun 2026 16:25:55 GMT[eduexe-intent]other[/eduexe-intent]
Błąd system LLM.

]]>https://forum.eduexe.com/post/6155https://forum.eduexe.com/post/6155Thu, 11 Jun 2026 16:25:35 GMTAle po co one sa

]]>https://forum.eduexe.com/post/6153https://forum.eduexe.com/post/6153Thu, 11 Jun 2026 16:25:25 GMT[eduexe-intent]course_content[/eduexe-intent]
Pojedyncza epoka (ang. epoch) to przejście modelu w czasie treningu przez wszystkie przykłady ze zbioru uczącego. Zazwyczaj jedna epoka to za mało, aby model nauczył się poprawnie, ale zbyt wiele epok może prowadzić do nadmiernego zapamiętywania danych treningowych, zamiast uczenia się ogólnych wzorców. [eduexe-source]16:3[/eduexe-source]

]]>https://forum.eduexe.com/post/6151https://forum.eduexe.com/post/6151Thu, 11 Jun 2026 16:25:10 GMTPo co sa epoki

]]>https://forum.eduexe.com/post/6150https://forum.eduexe.com/post/6150Thu, 11 Jun 2026 16:25:04 GMT[eduexe-intent]course_content[/eduexe-intent]
W uczeniu maszynowym wykorzystuje się różnorodne typy danych. Kurs wymienia zastosowania takie jak rozpoznawanie obrazów i dźwięków, a także budowanie modeli językowych, co sugeruje dane tekstowe [eduexe-source]7:1[/eduexe-source]. Przykłady w kursie bazują głównie na danych obrazowych, np. do klasyfikacji zdjęć psów i kotów [eduexe-source]8:4[/eduexe-source], ptaków [eduexe-source]10:4[/eduexe-source] czy odręcznie pisanych cyfr [eduexe-source]14:2[/eduexe-source].

]]>https://forum.eduexe.com/post/6130https://forum.eduexe.com/post/6130Thu, 11 Jun 2026 16:06:12 GMTJakie moga byc typy danych w uczeniu maszynowym

]]>https://forum.eduexe.com/post/6129https://forum.eduexe.com/post/6129Thu, 11 Jun 2026 16:06:00 GMT[eduexe-intent]course_content[/eduexe-intent]
Dane są absolutnie niezbędne w uczeniu maszynowym, ponieważ to na ich podstawie algorytmy uczą się i budują modele matematyczne. Odpowiedni dobór i przygotowanie danych jest niezwykle ważne dla skuteczności działania modelu. [eduexe-source]11:1[/eduexe-source]

]]>https://forum.eduexe.com/post/6128https://forum.eduexe.com/post/6128Thu, 11 Jun 2026 16:05:25 GMTJak istotne są dane w uczeniu maszynowym

]]>https://forum.eduexe.com/post/6127https://forum.eduexe.com/post/6127Thu, 11 Jun 2026 16:05:16 GMT[eduexe-intent]other[/eduexe-intent]
Google Teachable Machine to przeglądarkowe narzędzie do tworzenia modeli Uczenia Maszynowego bez konieczności programowania [eduexe-source]8:1[/eduexe-source]. Alternatywy obejmują inne platformy no-code/low-code, takie jak Microsoft Azure Custom Vision, Amazon Rekognition Custom Labels czy Lobe.ai. Bardziej zaawansowane podejście to tworzenie modeli od podstaw z użyciem języków programowania (np. Python z bibliotekami takimi jak TensorFlow, Keras, PyTorch) lub innych specjalistycznych platform ML.

]]>https://forum.eduexe.com/post/6088https://forum.eduexe.com/post/6088Thu, 11 Jun 2026 12:33:40 GMTJakie sa alternatywy dla google teachable machine

]]>https://forum.eduexe.com/post/6087https://forum.eduexe.com/post/6087Thu, 11 Jun 2026 12:33:29 GMT[eduexe-intent]other[/eduexe-intent]
Uczenie maszynowe jest jedną z gałęzi Sztucznej Inteligencji. W pewnych zadaniach można je zastąpić tradycyjnym programowaniem, gdzie zamiast uczyć algorytm na danych, programista definiuje konkretne reguły i instrukcje. Jednak dla złożonych problemów, gdzie reguły są trudne do zdefiniowania, ML jest często bardziej efektywne. Istnieją też inne podejścia w ramach AI, które niekoniecznie opierają się na uczeniu z danych w ten sam sposób. [eduexe-source]7:1[/eduexe-source]

]]>https://forum.eduexe.com/post/6086https://forum.eduexe.com/post/6086Thu, 11 Jun 2026 12:30:28 GMTCzy uczenie maszynowe moze byc czyms zastapione

]]>https://forum.eduexe.com/post/6085https://forum.eduexe.com/post/6085Thu, 11 Jun 2026 12:30:17 GMT[eduexe-intent]course_content[/eduexe-intent]
Uczenie Maszynowe (UM, ang. Machine Learning - ML) to obszar Sztucznej Inteligencji (AI), który skupia się na tworzeniu algorytmów automatycznie uczących się poprzez doświadczenie, czyli ekspozycję na dane. Algorytmy te tworzą modele matematyczne, które potrafią podejmować decyzje lub prognozować wyniki bez konieczności bezpośredniego programowania. [eduexe-source]7:1[/eduexe-source]

]]>https://forum.eduexe.com/post/6084https://forum.eduexe.com/post/6084Thu, 11 Jun 2026 12:29:28 GMT