Aktualizacja nagłówków plików

lab/01_Python.ipynb

@@ -8,8 +8,8 @@
     }
    },
    "source": [
-    "## Uczenie maszynowe 2020/2021 – laboratoria\n",
-    "### 3 marca 2021\n",
+    "## Uczenie maszynowe – zastosowania\n",
+    "### Zajęcia laboratoryjne\n",
     "# 1. Python – listy składane, indeksowanie, biblioteka _NumPy_"
    ]
   },

lab/02_Wczytywanie_i_prezentowanie_danych.ipynb

@@ -8,8 +8,8 @@
     }
    },
    "source": [
-    "## Uczenie maszynowe 2019/2020 – laboratoria\n",
-    "### 17 marca 2021\n",
+    "## Uczenie maszynowe – zastosowania\n",
+    "### Zajęcia laboratoryjne\n",
     "# 2. Wczytywanie i prezentowanie danych"
    ]
   },

lab/03_Regresja_liniowa.ipynb

@@ -8,8 +8,8 @@
     }
    },
    "source": [
-    "## Uczenie maszynowe 2019/2020 – laboratoria\n",
-    "### 23/24 marca 2020\n",
+    "## Uczenie maszynowe – zastosowania\n",
+    "### Zajęcia laboratoryjne\n",
     "# 3. Regresja liniowa – zadanie"
    ]
   },

lab/04_scikit-learn.ipynb

@@ -9,7 +9,7 @@
    },
    "source": [
     "## Uczenie maszynowe – zastosowania\n",
-    "### Laboratoria\n",
+    "### Zajęcia laboratoryjne\n",
     "# 4. Korzystanie z gotowych implementacji algorytmów na przykładzie pakietu *scikit-learn*"
    ]
   },

lab/10_Sieci_neuronowe.ipynb

@@ -4,9 +4,9 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "## Uczenie maszynowe 2019/2020 – laboratoria\n",
-    "### 18/19 maja 2020\n",
-    "# 10. Sieci neuronowe - wprowadzenie"
+    "## Uczenie maszynowe – zastosowania\n",
+    "### Zajęcia laboratoryjne\n",
+    "# 10. Wprowadzenie do sieci neuronowych"
    ]
   },
   {
@@ -52,7 +52,6 @@
    "cell_type": "code",
    "execution_count": 1,
    "metadata": {
-    "collapsed": false,
     "jupyter": {
      "outputs_hidden": false
     }
@@ -160,7 +159,6 @@
    "cell_type": "code",
    "execution_count": 2,
    "metadata": {
-    "collapsed": false,
     "jupyter": {
      "outputs_hidden": false
     }
@@ -1190,7 +1188,6 @@
    "cell_type": "code",
    "execution_count": 3,
    "metadata": {
-    "collapsed": false,
     "jupyter": {
      "outputs_hidden": false
     }
@@ -13091,13 +13088,6 @@
     "model = train(initialize_model(dim_hid=5), X, y, debug=True)\n",
     "visualize(X, y, model)"
    ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": []
   }
  ],
  "metadata": {