pms/umz21
4
2
Fork 1
Code Issues Pull Requests Releases Wiki Activity

Aktualizacja nagłówków plików

Browse Source
This commit is contained in:
Paweł Skórzewski 2021-05-19 07:49:54 +02:00
parent f869f2e099
commit 0b2d3d70b3
5 changed files with 10 additions and 20 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

4
lab/01_Python.ipynb
View File

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

4
lab/02_Wczytywanie_i_prezentowanie_danych.ipynb
View File

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

4
lab/03_Regresja_liniowa.ipynb
View File

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

2
lab/04_scikit-learn.ipynb
View File

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

16
lab/10_Sieci_neuronowe.ipynb
View File

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