Poprawki do wykładów

wyk/1_Wprowadzenie.ipynb

@@ -352,19 +352,6 @@
     "* modelowanie danych zastępuje pisanie programu"
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {
-    "slideshow": {
-     "slide_type": "subslide"
-    }
-   },
-   "source": [
-    "<img style=\"margin: auto\" width=\"80%\" src=\"https://recast.ai/blog/wp-content/uploads/2017/02/image20.png\"/>\n",
-    "\n",
-    "<sub>Źródło: https://recast.ai/blog/machine-learning-algorithms/</sub>"
-   ]
-  },
   {
    "cell_type": "code",
    "execution_count": 4,

wyk/2a_Regresja_logistyczna.ipynb

@@ -5344,7 +5344,7 @@
    },
    "source": [
     "Jeżeli $h_\\theta(x) > 0.5$, to dla takiego $x$ będziemy przewidywać wartość $y = 1$.\n",
-    "W przeciwnym wypadku uprzewidzimy $y = 0$."
+    "W przeciwnym wypadku przewidzimy $y = 0$."
    ]
   },
   {

wyk/3b_Przegląd_metod_uczenia_nadzorowanego.ipynb

@@ -9,7 +9,7 @@
    },
    "source": [
     "### AITech — Uczenie maszynowe\n",
-    "# 8. Przegląd metod uczenia nadzorowanego"
+    "# 3b. Przegląd metod uczenia nadzorowanego"
    ]
   },
   {
@@ -20,7 +20,7 @@
     }
    },
    "source": [
-    "## 8.1. Naiwny klasyfikator bayesowski"
+    "## 3b.1. Naiwny klasyfikator bayesowski"
    ]
   },
   {
@@ -1471,7 +1471,7 @@
     }
    },
    "source": [
-    "## 8.2. Algorytm $k$ najbliższych sąsiadów"
+    "## 3b.2. Algorytm $k$ najbliższych sąsiadów"
    ]
   },
   {
@@ -2223,7 +2223,7 @@
     }
    },
    "source": [
-    "## 8.3. Drzewa decyzyjne"
+    "## 3b.3. Drzewa decyzyjne"
    ]
   },
   {