Skip to content
  • Categories
  • Recent
  • Tags
  • Popular
  • World
  • Users
  • Groups
Skins
  • Light
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • Dark
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • Default (No Skin)
  • No Skin
Collapse

Eduexe Forum

  1. Home
  2. Lorem ipsum dolor_dda609783c378a70
  3. conversation_by_na1

conversation_by_na1

Scheduled Pinned Locked Moved Lorem ipsum dolor_dda609783c378a70
na1dda609783c378a70lorem ipsum dolor
40 Posts 3 Posters 71 Views
  • Oldest to Newest
  • Newest to Oldest
  • Most Votes
Reply
  • Reply as topic
Log in to reply
This topic has been deleted. Only users with topic management privileges can see it.
  • S student_na1

    :d

    B Offline
    B Offline
    bot_external
    wrote on last edited by
    #27

    Nie mogę odpowiedzieć na to pytanie, ponieważ nie zawiera ono żadnych informacji związanych z tematyką kursu.

    1 Reply Last reply
    -1
    • S Offline
      S Offline
      student_na1
      wrote on last edited by
      #28

      czym jest uczenie maszynowe w sekcji d: 1

      B 1 Reply Last reply
      0
      • S student_na1

        czym jest uczenie maszynowe w sekcji d: 1

        B Offline
        B Offline
        bot_external
        wrote on last edited by
        #29

        Uczenie maszynowe w sekcji D to podzbiór uczenia maszynowego, który skupia się na wykorzystywaniu sieci neuronowych do wykonywania zadań takich jak klasyfikacja, regresja i uczenie reprezentacji. Dziedzina ta czerpie inspirację z biologicznej neuronauki i koncentruje się na układaniu sztucznych neuronów w warstwy i "uczeniu" ich przetwarzania danych. Przymiotnik "głębokie" odnosi się do użycia wielu warstw (od trzech do kilkuset, a nawet tysięcy) w sieci. Stosowane metody mogą być nadzorowane, częściowo nadzorowane lub nienadzorowane.

        1 Reply Last reply
        1
        • S Offline
          S Offline
          student_na1
          wrote on last edited by
          #30

          co było w przykładzie o kotach i psach?

          B 1 Reply Last reply
          0
          • S student_na1

            co było w przykładzie o kotach i psach?

            B Offline
            B Offline
            bot_external
            wrote on last edited by
            #31

            W przykładzie o kotach i psach, model został wytrenowany na rozróżnianiu zdjęć psów i kotów, ale nie miał dostępu do zdjęć samochodów. Kiedy model został poproszony o ocenę zdjęcia samochodu, odpowiedział, że jest to pies, ponieważ nie miał przykładów, jak wygląda samochód, i nie wiedział, że coś takiego istnieje.

            1 Reply Last reply
            0
            • S Offline
              S Offline
              student_na1
              wrote on last edited by
              #32

              onueuofens D: eineg

              1 Reply Last reply
              0
              • S Offline
                S Offline
                student_na1
                wrote on last edited by
                #33

                iemf icef C: esoigwoegi

                B 1 Reply Last reply
                0
                • S student_na1

                  iemf icef C: esoigwoegi

                  B Offline
                  B Offline
                  bot_external
                  wrote on last edited by
                  #34

                  Nie mogę odpowiedzieć na to pytanie, ponieważ nie zawiera ono żadnych informacji związanych z tematyką kursu.

                  1 Reply Last reply
                  0
                  • S Offline
                    S Offline
                    student_na1
                    wrote on last edited by
                    #35

                    C:

                    B 1 Reply Last reply
                    0
                    • S student_na1

                      C:

                      B Offline
                      B Offline
                      bot_external
                      wrote on last edited by
                      #36

                      Odpowiedź na pytanie kursanta: C:

                      Oto kilka możliwości, które mogą być związane z literą C w kontekście kursu:

                      1. Rozumowanie oparte na przypadkach (CBR) - to proces rozwiązywania nowych problemów na podstawie rozwiązań podobnych problemów z przeszłości.
                      2. Ograniczony model warunkowy (CCM) - to framework uczenia maszynowego i wnioskowania, który wzbogaca uczenie modeli warunkowych za pomocą deklaratywnych ograniczeń.
                      3. Optymalizacja kombinatoryczna - to dziedzina zajmująca się znajdowaniem optymalnego obiektu spośród skończonego zbioru obiektów.

                      Jeśli chcesz, mogę wyjaśnić każdy z tych punktów w bardziej szczegółowy sposób.

                      1 Reply Last reply
                      -1
                      • S Offline
                        S Offline
                        student_na1
                        wrote on last edited by
                        #37

                        D:

                        B 1 Reply Last reply
                        0
                        • S student_na1

                          D:

                          B Offline
                          B Offline
                          bot_external
                          wrote on last edited by
                          #38

                          Odpowiedź na pytanie kursanta: D:

                          W sekcji D znajdują się następujące pojęcia związane z sztuczną inteligencją:

                          1. Logika epistemiczna dynamiczna (DEL) - ramy logiczne zajmujące się wiedzą i zmianą informacji.
                          2. Datalog - deklaratywny język programowania logicznego, który składniowo jest podzbiorem Prologu.
                          3. Programowanie deklaratywne - paradygmat programowania, który wyraża logikę obliczeń bez opisywania przepływu sterowania.
                          4. Eksploracja danych - proces odkrywania wzorców w dużych zbiorach danych, wykorzystujący metody z pogranicza uczenia maszynowego, statystyki i systemów baz danych.
                          5. Redukcja wymiarowości - proces redukowania liczby zmiennych losowych poddawanych analizie poprzez uzyskanie zbioru zmiennych głównych.

                          Jeśli chcesz, mogę wyjaśnić każdy z tych punktów w bardziej szczegółowy sposób.

                          1 Reply Last reply
                          1
                          • S Offline
                            S Offline
                            student_na1
                            wrote on last edited by
                            #39

                            hello world D: aaa bbb ccc

                            1 Reply Last reply
                            0
                            • S Offline
                              S Offline
                              student_na1
                              wrote on last edited by
                              #40

                              podaj informacje o macierzy pomyłek

                              1 Reply Last reply
                              0
                              Reply
                              • Reply as topic
                              Log in to reply
                              • Oldest to Newest
                              • Newest to Oldest
                              • Most Votes


                              • Login

                              • Don't have an account? Register

                              Powered by NodeBB Contributors
                              • First post
                                Last post
                              0
                              • Categories
                              • Recent
                              • Tags
                              • Popular
                              • World
                              • Users
                              • Groups