Mesterseges inteligencia

Machine learning
MI-ről tanulni – olvasni, videókat nézni, beszélgetni,
meghallgatni a másikat, MEGBIZHATÓ FORRÁSok

MI – val tanulni – nagy nyelvi modellek,

copilot(office, programozás….)

MI – ért tanulni – egyetem, kemény és szép matek,

TANULD A MATEKOT
Gépi tanulás – machine learning
Mély tanulás – deep learning
 TESZTELÉ Kész
ADATOK tréning S modell

Machine learning – gépi tanulás

Deep learning – mély tanulás – több réteg
Mennyire lehet előrejelezni (prognosztizálni)
egy élelmiszerüzlet látogatóinak számát?
• Miért fontos?
⁻ Alkalmazottak száma : pénztár, raktár, kirakodás, takarítás…
⁻ Rendelés
⁻ Karbantartási munkálatok
⁻ Marketing akciók
⁻ Reklám: saját reklám, reklámfelületek bérlése
⁻ Szabad helységek, helyek bérlete
 INPUT – FÜGGVÉNY - OUTPUT

Súlyokat kell beállítani az előzőleg beérkezett ADATOK alapján. Tapasztalat, adatgyűjtés, adatelemzés
Az input adatok 85 % tanul, 15 % tesztelésre használja
Teachable machine
• https://teachablemachine.withgoogle.com/train

• Adatok 85 % traindata, 15% tesztelésre szánt

• Fokozatos hangolás – 90 % feletti siker

• 0,5% is sokat számít

 Harap Nem
harap

Határozd meg a függvényt,

mi alapján lehet meghatározni a harapó és a nem harapó
majmot.
Függvény:

ⓘ Start presenting to display the poll results on this slide.

hány százalékot értél el. mennyire sikeres
a model?

ⓘ Start presenting to display the poll results on this slide.