Dokładność (accuracy) to stosunek poprawnie zaklasyfikowanych przez model przykładów testowych do wszystkich przykładów testowych.
Precyzja (precision) to stosunek poprawnie sklasyfikowanych diagnoz pozytywnych do liczby wszystkich przypadków, które model sklasyfikował jako pozytywne.
Chatbot wersja B
Brak informacji w dostarczonym źródle.
Chatbot wersja B
Ten kurs przybliża podstawy Uczenia Maszynowego (ML) z wykorzystaniem intuicyjnych przykładów. Skupia się na zadaniach praktycznych wykonywanych w narzędziu Google Teachable Machine. Składa się z czterech modułów: wprowadzenie do UM, dane w procesie UM, podstawowe pojęcia oraz metryki. Realizacja kursu powinna zająć około 2 godzin.
Chatbot wersja B
Zbiór uczący (treningowy) to dane, na których model się uczy, znając prawidłową klasyfikację. Zbiór testowy to przykłady, których model nie widział w procesie uczenia, używane do sprawdzenia jego skuteczności. To, jak model radzi sobie z danymi testowymi, jest miarą tego, jak dobrze został wytrenowany. W Google Teachable Machine dane są automatycznie dzielone w proporcji 85% (zbiór uczący) do 15% (zbiór testowy).
Chatbot wersja A.
Brak informacji w dostarczonym źródle.
Chatbot wersja C
Brak informacji w dostarczonym źródle.
Chatbot wersja A.
Brak informacji w dostarczonym źródle.
Chatbot wersja C
Brak informacji w dostarczonym źródle.
Chatbot wersja A.
Brak informacji w dostarczonym źródle.
Chatbot wersja C
Moduł pierwszy to "Wprowadzenie do Uczenia Maszynowego". Poznasz w nim definicję, podział i zastosowania Uczenia Maszynowego (UM). Zapoznasz się także z narzędziem Google Teachable Machine, w którym wykonasz pierwsze ćwiczenie praktyczne. Moduł kończy się testem cząstkowym.
Chatbot wersja A.
Kurs dotyczy podstaw Uczenia Maszynowego (ML). Jego celem jest przybliżenie tej tematyki z wykorzystaniem intuicyjnych przykładów. Skupia się na zadaniach praktycznych wykonywanych w narzędziu Google Teachable Machine, zawierając również niezbędne elementy teoretyczne. Kurs składa się z czterech modułów tematycznych.
Aby rozwiązać test, musisz przechodzić przez kolejne części kursu. Testy odblokowują się automatycznie w miarę Twoich postępów. Test początkowy znajduje się na początku kursu, testy cząstkowe pojawiają się po ukończeniu każdego z czterech modułów, a test końcowy jest dostępny po przejściu całego materiału. [eduexe-source]1:1[/eduexe-source]
Tak, w kursie są testy. Na początku rozwiązujesz test wiedzy (test początkowy). Po każdym z czterech modułów znajduje się krótki, punktowany test cząstkowy. Na koniec całego kursu dostępny jest również test końcowy. Oprócz tego w kursie znajdują się niepunktowane quizy "Sprawdź się!", służące do utrwalania wiedzy. [eduexe-source]1:1[/eduexe-source]
Zgodnie ze strukturą kursu, najlepiej uczyć się przechodząc przez kolejne moduły po kolei. Kurs stawia na praktykę, więc kluczowe jest wykonywanie ćwiczeń w Google Teachable Machine. Warto również korzystać z quizów "Sprawdź się!", które nie są punktowane i można do nich podchodzić wielokrotnie, aby utrwalić wiedzę przed testami cząstkowymi na koniec każdego modułu. [eduexe-source]1:1[/eduexe-source]
Kurs ten przybliża podstawy Uczenia Maszynowego (ML) za pomocą praktycznych przykładów w narzędziu Google Teachable Machine. Obejmuje cztery moduły: wprowadzenie do UM (definicja, zastosowania), dane w uczeniu maszynowym, podstawowe pojęcia (np. zbiór uczący, przeuczenie) oraz metryki oceny modeli (np. dokładność, precyzja).
[eduexe-source]1:1[/eduexe-source]
Kurs przybliża podstawy Uczenia Maszynowego (ML) za pomocą intuicyjnych przykładów i zadań praktycznych w narzędziu Google Teachable Machine. Składa się z 4 modułów tematycznych: Wprowadzenie do UM, Dane w UM, Podstawowe pojęcia UM oraz Metryki. Realizacja całego kursu powinna zająć około 2 godzin.
[eduexe-source]1:1[/eduexe-source]
Brak informacji w dostarczonym źródle.
Uczenie Maszynowe (UM, ang. Machine Learning - ML) to obszar Sztucznej Inteligencji (AI), który koncentruje się na rozwijaniu algorytmów automatycznie poprawiających się poprzez doświadczenie, czyli ekspozycję na dane. Algorytmy te budują model matematyczny, który potrafi podejmować decyzje lub prognozować rezultaty bez potrzeby bycia wprost zaprogramowanym do danego celu. [eduexe-source]7:1[/eduexe-source]
Witaj w kursie z zakresu podstaw Uczenia Maszynowego. Jego celem jest przybliżenie tematyki UM z wykorzystaniem intuicyjnych przykładów i zadań praktycznych w Google Teachable Machine. Kurs składa się z czterech modułów tematycznych i zawiera niezbędne elementy teoretyczne.
[eduexe-source]1:1[/eduexe-source]
Odpowiedź na pytanie użytkownika: Ile mi zajmie zapoznanie się z tymi treściami?
Zdaje się, że użytkownik chciałby wiedzieć, ile czasu zajmie mu zużycie się z materiałem kursu, który został przygotowany na podstawie załączonych danych.
W oparciu o historię rozmowy oraz załączony plik JSON, nie ma bezpośrednio informacji o czasie niezbędnym do zużycia się z materiałem kursu. Jednak widać, że kurs składa się z 35 modułów, a każdy moduł ma swoje własne treści, takie jak definicje pojęć, przykłady i ćwiczenia.
Powyższe informacje pozwala nam na założenie, że użytkownik powinien być w stanie zużyć się z materiałem kursu w ciągu kilku dni.