Update on Overleaf.

Podstawy_teoretyczne.tex

@@ -1,6 +1,7 @@
-\section{Podstawy teoretyczne}
+
-\subsection{Uczenie maszynowe i jego rodzaje}
+\chapter{Podstawy teoretyczne}
-\subsubsection{O uczeniu maszynowym}
+\section{Uczenie maszynowe i jego rodzaje}
+\subsection{O uczeniu maszynowym}
 Jedną z definicji, dobrze oddającą charakter uczenia maszynowego możemy znaleźć w pracy "An overview of Machine Learning and its Applications": "Machine  learning,  by  its  definition,  is  a  field  of  computer science  that  evolved  from  studying  pattern  recognition  and computational learning theory in artificial intelligence. It is the learning  and building  of  algorithms  that can  learn  from  and make  predictions  on  data  sets."\cite{Overview}
 
 Uczenie maszynowe (ang. machine learning) to jednym z najważniejszych współcześnie działów informatyki. Wykorzystuje ono dostarczane dane empiryczne do tworzenia modeli predykcyjnych. Modele uczenia maszynowego stają się integralną częścią otaczającego nas świata, są wykorzystywane w coraz szerszej gamie aplikacji. Wraz ze wzrostem użytku uczenia maszynowego, wzrasta potrzeba tworzenia coraz lepiej działających i szybciej uczących się modeli.

Wstep.tex

@@ -1,3 +1,5 @@
+\chapter{Wstęp}
+
 \section{Problematyka}
 Podczas tworzenia systemów uczenia maszynowego, kluczowym jest dobranie odpowiednich algorytmów nauki takich, które najlepiej nadają się do konkretnych zadań, a także nie spowodują przeciążania zasobów. Z tego powodu, porównanie skuteczności algorytmów jest częstym i szeroko opisywanym tematem w pracach i tekstach badawczych.