Eduexe Forum

3. W sytuacji kiedy mamy bardzo niewiele danych

2. 70%

1. Dokladnosc opisuje nam stosunek poprawnych odpowiedzi modelu do jego bledow

Na podstawie aktualnej części kursu i moich postępów zadaj mi 2-3 krótkie pytania kontrolne. Nie podawaj od razu odpowiedzi; najpierw sprawdź moje rozumienie.

3. 30

2. Model nie miałby wystarczająco dużo danych żeby umieć poprawnie robić to co powinien

1. Musi być podobny do zbioru uczącego, ponieważ w innym przypadku nie będzie w stanie wykorzystać wiedzy zdobytej w zbiorze uczącym

Na podstawie aktualnej części kursu i moich postępów zadaj mi 2-3 krótkie pytania kontrolne. Nie podawaj od razu odpowiedzi; najpierw sprawdź moje rozumienie.

3. Przypadek graniczny

2. Klasa ktora ma mniej przykladow moze byc wybierana rzadziej niz powinna

1. Model bedzie probowac przypisac samochod do jednej z dwoch mozliwych klas

Na podstawie aktualnej części kursu i moich postępów zadaj mi 2-3 krótkie pytania kontrolne. Nie podawaj od razu odpowiedzi; najpierw sprawdź moje rozumienie.

Okej, dziękuję

3. Problem predykcji

2. Uczenie nienadzorowane

1. Algorytm nie jest tworzony przez programistę, a jest budowany na podstawie dostarczonych mu danych

Na podstawie aktualnej części kursu i moich postępów zadaj mi 2-3 krótkie pytania kontrolne. Nie podawaj od razu odpowiedzi; najpierw sprawdź moje rozumienie.

Hej, czy możliwe byłoby stworzenie LLMa przez uczenie nienadzorowane?