AI | Piszemy model sztucznej inteligencji rozpoznający gatunki irysów OD ZERA!

[@MikerShadow]

Bardzo ciekawy kontent zrealizowany w przystępny i profesjonalny sposób. Będę obserwował :)

[@r.sikora]

Dzięki! :)

[@LIVEchecha]

Wartościowy kanał. Życzę powodzenia

[@r.sikora]

Dzięki!

[@vito-hv6yx]

Dobra jakość, przystępnie wytłumaczone. Dzięki 😁

[@r.sikora]

Cieszę się, że materiał się spodobał! Dzięki za opinię! :)

[@vito-hv6yx]

@@r.sikora jeżeli moge zaproponować, fajną opcją byłoby pobranie gdzieś kodu źródłowego żeby nie przepisywać z ekranu :)

[@r.sikora]

@@vito-hv6yx Racja! Dzięki za sugestię, na pewno wprowadzę repozytoria dla materiałów. :)

[@user-ih2zc2xr4v]

super film nie mogę się doczekać następnego. szkoda że publikujesz rzadko ale wiem że napewno kosztuje cię to dużo pracy

[@r.sikora]

Dzięki za opinię! :) Na ten moment wszystkie filmy realizuję w pojedynkę, a jest dokładnie tak jak piszesz. Wszystkie materiały oraz montaż realizuję sam. Staram się jak mogę, ale czasem wolę lekko zwolnić na korzyść jakości materiału.

[@Alibaba_J7]

Film na bardzo wysokim poziomie, lecz proponowałbym zmianę czcionki lub motywu, aby podwójny znak "równa się" był lepiej widoczny zamiast się łączyć - wiem że to minimalny detal, ale w wypadku przepisywania prezentowanego kodu łatwo o pomyłkę

[@r.sikora]

Dzięki za komentarz! :) Masz rację - w przypadku operatorów porównywania może być to słabo czytelne - na pewno, biorąc pod uwagę wcześniejsze sugestie innych widzów będę wrzucać kod na gotowe repozytorium, skąd będzie możliwość po prostu pobrania kodu bez potrzeby przepisywania. :)

[@adrianlinkowski3265]

U mnie ten model wykręca 96,67%

[@przemekniewazne3577]

Cześć, wydaje mi się, że "prawidłowym" podejściem jest standaryzacja danych po podzile na dane treningowe i testowe

[@r.sikora]

Cześć! :) Masz rację - mój błąd, powinienem o tym wspomnieć. Zdecydowanie powinno się unikać preprocessingu danych przed podziałem, raczej standaryzować dane po podziale, bo wyniki walidacji mogą być sztucznie zawyżone - w tym wypadku nasz model jest trenowany na danych standaryzowanych na podstawie statystyki (średnia, odchylenie standardowe) całego zbioru, łącznie ze zbiorem walidacyjnym. Dzięki za zwrócenie uwagi! ;)

[@adrianlinkowski3265]

Dlaczego nazywasz zmienne z dużych liter? Przyzwyczaiłem się że powinny być z małych, a tylko klasy z dużych.

[@r.sikora]

Dzięki za to pytanie! :) Zawodowo jako programista spotkałem się z wieloma stylami, zazwyczaj w zależności od języka, w którym pisałem. W materiale staram się trzymać stylu nazewnictwa, z którymi spotykasz się zaglądając do dokumentacji - na stronie modułu scikit-learn znajdziesz podobny styl, gdzie nazwa zbiorów dotyczących wejść po podziale również rozpoczyna się dużą litera. Czasem można się pogubić, ale na szczęście styl nazewnictwa jest dowolny. :)