<![CDATA[conversation_by_tpp]]>Topic created

]]>https://forum.eduexe.com/topic/348/conversation_by_tppRSS for NodeThu, 13 Aug 2026 20:27:17 GMTSat, 13 Jun 2026 16:15:04 GMT60<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 18:50:23 GMT]]>[eduexe-intent]other[/eduexe-intent]
W słowie "raspberry" są dwie litery "r". To pytanie wykracza poza zakres naszego kursu z Uczenia Maszynowego.

]]>https://forum.eduexe.com/post/6578https://forum.eduexe.com/post/6578Sat, 13 Jun 2026 18:50:23 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 18:50:20 GMT]]>Ile jest r w słowie raspberry?

]]>https://forum.eduexe.com/post/6577https://forum.eduexe.com/post/6577Sat, 13 Jun 2026 18:50:20 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 18:49:59 GMT]]>[eduexe-intent]other[/eduexe-intent]
Tak, w nauce ogólnie stosuje się wiele innych metryk. Mogą to być np. metryki odległości (jak euklidesowa, którą wspominałeś, czy Manhattana), miary statystyczne (np. korelacja, odchylenie standardowe), wskaźniki efektywności w inżynierii, czy też specyficzne miary w biologii, fizyce, ekonomii. Służą one do ilościowego opisu zjawisk, pomiaru relacji i oceny procesów.

]]>https://forum.eduexe.com/post/6576https://forum.eduexe.com/post/6576Sat, 13 Jun 2026 18:49:59 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 18:49:49 GMT]]>Ale ogólnie w nauce

]]>https://forum.eduexe.com/post/6575https://forum.eduexe.com/post/6575Sat, 13 Jun 2026 18:49:49 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 18:49:37 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Kurs koncentruje się na czterech głównych metrykach do oceny jakości modeli uczenia maszynowego: Dokładności (Accuracy), Precyzji (Precision), Czułości (Recall) i F-score. W dostarczonym źródle nie ma informacji na temat innych metryk stosowanych w tym kontekście. [eduexe-source]29:1[/eduexe-source]

]]>https://forum.eduexe.com/post/6574https://forum.eduexe.com/post/6574Sat, 13 Jun 2026 18:49:37 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 18:49:29 GMT]]>A stosuje się jeszcze jakieś metryki poza tymi omówionymi na kursie?

]]>https://forum.eduexe.com/post/6573https://forum.eduexe.com/post/6573Sat, 13 Jun 2026 18:49:29 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 18:02:37 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Kurs koncentruje się na metrykach służących do oceny jakości modeli uczenia maszynowego, takich jak Dokładność (Accuracy), Precyzja (Precision), Czułość (Recall) i F-score, które są wyliczane na podstawie macierzy pomyłek. W dostarczonym źródle nie ma informacji na temat zastosowania metryk matematycznych, takich jak odległość euklidesowa czy manhattan, w kontekście oceny modeli uczenia maszynowego.

]]>https://forum.eduexe.com/post/6572https://forum.eduexe.com/post/6572Sat, 13 Jun 2026 18:02:37 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 18:02:29 GMT]]>A czy się też używa metryk w sensie typu matematycznym np euklidesowa czy manhattan?

]]>https://forum.eduexe.com/post/6571https://forum.eduexe.com/post/6571Sat, 13 Jun 2026 18:02:29 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 18:01:50 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
W procesie uczenia maszynowego używane są metryki do oceny jakości modeli. Główne metryki to:

  • Dokładność (Accuracy): Stosunek poprawnie zaklasyfikowanych przykładów testowych do wszystkich przykładów testowych. [eduexe-source]22:1[/eduexe-source]
  • Precyzja (Precision): Stosunek poprawnie sklasyfikowanych diagnoz pozytywnych do wszystkich przypadków sklasyfikowanych jako pozytywne. [eduexe-source]23:1[/eduexe-source]
  • Czułość (Recall): Stosunek przykładów prawdziwie pozytywnych do wszystkich pozytywnych przykładów w rzeczywistości. [eduexe-source]24:1[/eduexe-source]
  • F-score: Średnia harmoniczna precyzji i czułości, będąca ich kompromisem. [eduexe-source]25:1[/eduexe-source][eduexe-source]25:2[/eduexe-source]
]]>https://forum.eduexe.com/post/6570https://forum.eduexe.com/post/6570Sat, 13 Jun 2026 18:01:50 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 18:01:40 GMT]]>Jakie są używane metryki w procesie nauki maszynowej?

]]>https://forum.eduexe.com/post/6569https://forum.eduexe.com/post/6569Sat, 13 Jun 2026 18:01:40 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:45:48 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Współczynnik uczenia (ang. learning rate) to wielkość kroku, o jaki model koryguje otrzymany wynik w kierunku wyniku oczekiwanego podczas treningu. Zbyt mała wartość wydłuża trening, a zbyt duża może sprawić, że model "przeskoczy" optymalne rozwiązanie. [eduexe-source]16:7[/eduexe-source]

]]>https://forum.eduexe.com/post/6568https://forum.eduexe.com/post/6568Sat, 13 Jun 2026 17:45:48 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:45:34 GMT]]>A czym jest współczynnik uczenia?

]]>https://forum.eduexe.com/post/6567https://forum.eduexe.com/post/6567Sat, 13 Jun 2026 17:45:34 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:44:15 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Epoka (ang. epoch) to pojedyncze przejście modelu w czasie treningu przez wszystkie przykłady ze zbioru uczącego (treningowego). [eduexe-source]16:3[/eduexe-source]

]]>https://forum.eduexe.com/post/6566https://forum.eduexe.com/post/6566Sat, 13 Jun 2026 17:44:15 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:44:10 GMT]]>A czym jest epoka?

]]>https://forum.eduexe.com/post/6565https://forum.eduexe.com/post/6565Sat, 13 Jun 2026 17:44:10 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:43:57 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Wsad (ang. batch size) to rozmiar porcji treningowej, czyli liczba przykładów, jaką model otrzymuje na raz do trenowania w pojedynczej iteracji swojego działania. Jest to porcja przykładów, które model przetwarza jednocześnie. [eduexe-source]16:5[/eduexe-source][eduexe-source]20:1[/eduexe-source]

]]>https://forum.eduexe.com/post/6564https://forum.eduexe.com/post/6564Sat, 13 Jun 2026 17:43:57 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:43:50 GMT]]>Czym jest wsad?

]]>https://forum.eduexe.com/post/6563https://forum.eduexe.com/post/6563Sat, 13 Jun 2026 17:43:50 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:15:56 GMT]]>[eduexe-intent]other[/eduexe-intent]
Jako asystent AI, nie mam możliwości generowania obrazków. Moja funkcja polega na udzielaniu informacji i wspieraniu Cię w kursie. W naszym kursie koncentrujemy się na uczeniu maszynowym do zadań klasyfikacji, gdzie uczymy modele rozpoznawać obiekty na podstawie dostarczonych danych, na przykład za pomocą Google Teachable Machine. [eduexe-source]8:7[/eduexe-source]

]]>https://forum.eduexe.com/post/6562https://forum.eduexe.com/post/6562Sat, 13 Jun 2026 17:15:56 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:15:50 GMT]]>A możesz mi wygenerować obrazek kota?

]]>https://forum.eduexe.com/post/6561https://forum.eduexe.com/post/6561Sat, 13 Jun 2026 17:15:50 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:15:27 GMT]]>[eduexe-intent]student_progress[/eduexe-intent]
Twoje postępy wyglądają dobrze!

Spędziłeś w kursie łącznie 63.3 minuty. Aktualnie znajdujesz się w module "B1 - Dane w procesie uczenia" [eduexe-source]11:1[/eduexe-source]. Ukończyłeś już moduł A (Wprowadzenie do Uczenia Maszynowego), w tym test cząstkowy [eduexe-source]9:1[/eduexe-source]. Twój obecny wynik w kursie to 8 punktów.

]]>https://forum.eduexe.com/post/6560https://forum.eduexe.com/post/6560Sat, 13 Jun 2026 17:15:27 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:15:00 GMT]]>A co myślisz o moich postępach jeśli jakieś są?

]]>https://forum.eduexe.com/post/6559https://forum.eduexe.com/post/6559Sat, 13 Jun 2026 17:15:00 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:14:35 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Nie ma jednej "optymalnej liczby" przykładów, która byłaby uniwersalna dla wszystkich modeli uczenia maszynowego. Kluczowe jest, aby dane były wystarczająco duże, aby model mógł się skutecznie uczyć i generalizować. Ważne jest również, aby zbiór uczący był znacząco większy od testowego oraz aby klasy w zbiorze uczącym miały podobną liczbę reprezentantów. Zbyt mała liczba przykładów, zwłaszcza dla pojedynczych klas (np. tylko jeden przykład), może sprawić, że model nie będzie w stanie nauczyć się ich rozpoznawać. [eduexe-source]15:7[/eduexe-source][eduexe-source]11:3[/eduexe-source][eduexe-source]11:4[/eduexe-source][eduexe-source]14:2[/eduexe-source]

]]>https://forum.eduexe.com/post/6558https://forum.eduexe.com/post/6558Sat, 13 Jun 2026 17:14:35 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:14:19 GMT]]>A jaka jest taka optymalna liczba?

]]>https://forum.eduexe.com/post/6557https://forum.eduexe.com/post/6557Sat, 13 Jun 2026 17:14:19 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:12:22 GMT]]>[eduexe-intent]course_content[/eduexe-intent]
Dane w procesie uczenia maszynowego powinny być duże, aby model mógł skutecznie się uczyć i generalizować. Zbyt mała liczba przykładów, zwłaszcza w przypadku pojedynczych klas (np. tylko jeden przykład dla danej cyfry), sprawia, że model nie jest w stanie nauczyć się ich rozpoznawać i może je ignorować. Zbiór uczący powinien być znacząco większy od testowego. [eduexe-source]7:1[/eduexe-source][eduexe-source]11:3[/eduexe-source][eduexe-source]14:2[/eduexe-source][eduexe-source]15:7[/eduexe-source][eduexe-source]17:6[/eduexe-source]

]]>https://forum.eduexe.com/post/6556https://forum.eduexe.com/post/6556Sat, 13 Jun 2026 17:12:22 GMT<![CDATA[Reply to conversation_by_tpp on Sat, 13 Jun 2026 17:12:06 GMT]]>Jak duże muszą być dane w procesie uczenia maszynowego?

]]>https://forum.eduexe.com/post/6555https://forum.eduexe.com/post/6555Sat, 13 Jun 2026 17:12:06 GMT