{"id":223,"date":"2023-11-30T17:32:08","date_gmt":"2023-11-30T17:32:08","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/chapter\/hands-on-machine-learning\/"},"modified":"2024-01-31T11:49:04","modified_gmt":"2024-01-31T11:49:04","slug":"hands-on-machine-learning","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/chapter\/hands-on-machine-learning\/","title":{"raw":"Strojno u\u010denje v praksi","rendered":"Strojno u\u010denje v praksi"},"content":{"raw":"

Aktivnost je povzeta po izvirnem seznamu aktivnosti avtorjev Codeweek in za\u0161\u010ditena z licenco\u00a0Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) license<\/a>. Tukaj najdete izvirni seznam aktivnosti.<\/a>\u00a0Obe podatkovni zbirki, Initial Training Dataset<\/em> in Test Dataset, <\/em>sta prav tako avtorsko delo.<\/p>\n

Uporabili bomo\u00a0Google's Teachable Machine<\/a>\u00a0in z njim nau\u010dili stroj, da klasificira sliko bodisi kot kolo ali kot motorno kolo. Spomnimo, da je aplikacije strojnega u\u010denja potrebno nau\u010diti in testirati pred njihovo uporabo v praksi. Zbrali in razvrstili bomo vzor\u010dne primere kategorij, ki jih bo kasneje razvr\u0161\u010dal stroj, nato bomo model usposobili (nau\u010dili) ter testirali, ali vzor\u010dne slike pravilno kategorizira.<\/p>\n\"\"\n

1. korak: Zbiranje in kategoriziranje vzor\u010dnih slik<\/h3>\n
    \n \t
  1. Prenesite slike koles, ki jih najdete tukaj <\/a><\/li>\n \t
  2. Po potrebi prenesite vsebino stisnjene mape (zip) v lokalno mapo na va\u0161em ra\u010dunalniku. Slu\u017eila bo za u\u010dne podatke aplikaciji strojnega u\u010denja.<\/li>\n \t
  3. Prenesite slike motornih koles, ki jih najdete tukaj<\/a>.<\/li>\n \t
  4. Po potrebi prenesite vsebino stisnjene mape (zip) v lokalno mapo na va\u0161em ra\u010dunalniku. Tudi ta vsebina bo slu\u017eila za u\u010dne podatke aplikaciji strojnega u\u010denja.<\/li>\n \t
  5. Prenesite vse slike, ki jih najdete tukaj<\/a>.<\/li>\n \t
  6. Po potrebi prenesite vsebino stisnjene mape (zip) v lokalno mapo na va\u0161em ra\u010dunalniku. Slu\u017eila bo za testne podatke.<\/li>\n \t
  7. Kliknite na Google's Teachable Machine<\/a>\u00a0in izberite Image Project <\/strong>> Standard Image Model.<\/strong><\/li>\n \t
  8. Pod Kategorija 1 (Class 1), kliknite na: upload > Choose images from your files > <\/strong>odprite mapo s slikami koles, ki ste jo ustvarili v korakih 1 in 2 in iz nje uvozite shranjene slike.<\/li>\n \t
  9. Pod Kategorija 2 (Class 2), kliknite na: upload > Choose images from your files > <\/strong>odprite mapo s slikami motornih koles, ki ste jo ustvarili v korakih 3 in 4 in iz nje uvozite shranjene slike.<\/li>\n<\/ol>\n

    2. korak: U\u010denje modela<\/h3>\n

    Izberite U\u010denje (Training),<\/strong> nato kliknite na U\u010denje modela (Train Model)<\/strong>. Model se bo sedaj nau\u010dil, kako prepoznati kolesa in motorna kolesa. Po\u010dakajte na obvestilo Model nau\u010den \/ Model usposobljen (Model Trained).<\/strong><\/p>\n

    Verjetno boste opazili, da ni potrebno ro\u010dno izbirati in vna\u0161ati posameznih lastnosti (zna\u010dilnosti) koles in motornih koles. Algoritmi jih znajo namre\u010d sami poiskati na slikah!<\/p>\n\n\n[caption id=\"attachment_222\" align=\"aligncenter\" width=\"1024\"]\"\" Source : Google's Teachable machine[\/caption]\n

    3. korak: Testiranje modela<\/h3>\n
      \n \t
    1. Pod Predogled (Preview),<\/strong> kliknite na pu\u0161\u010dico zraven spletne kamere (webcam)<\/strong> in izberite vrsto vnosa: Datoteka (File). <\/strong><\/li>\n \t
    2. Kliknite, da izberete slike iz datotek na va\u0161em ra\u010dunalniku\u00a0(choose images from your files)\u00a0<\/strong>ter nato izberite testno sliko, ki ste jo shranili v korakih 5 in 6<\/li>\n \t
    3. Z mi\u0161ko se premaknite navzdol in preverite izhod.<\/li>\n \t
    4. Ponovite postopek z drugimi slikami, da primerjate u\u010dinek.<\/li>\n<\/ol>\n

      \u010ce uporabite sliko za u\u010denje klasifikatorja, bo stroj \u017ee zabele\u017eil ustrezno oznako za doti\u010dno sliko. Prikaz te slike stroju v fazi testiranja ne bo omogo\u010dil merjenja uspe\u0161nosti generalizacije. Zato se morajo u\u010dni in testni podatki med seboj razlikovati!<\/p>\n

      Opomba:<\/strong> nalo\u017eite lahko tudi svoje slike ter z njimi model u\u010dite in testirate.\u00a0Tukaj<\/a>\u00a0najdete dober in brezpla\u010den vir za najrazli\u010dnej\u0161e podobe (slike)<\/p>","rendered":"

      Aktivnost je povzeta po izvirnem seznamu aktivnosti avtorjev Codeweek in za\u0161\u010ditena z licenco\u00a0Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) license<\/a>. Tukaj najdete izvirni seznam aktivnosti.<\/a>\u00a0Obe podatkovni zbirki, Initial Training Dataset<\/em> in Test Dataset, <\/em>sta prav tako avtorsko delo.<\/p>\n

      Uporabili bomo\u00a0Google’s Teachable Machine<\/a>\u00a0in z njim nau\u010dili stroj, da klasificira sliko bodisi kot kolo ali kot motorno kolo. Spomnimo, da je aplikacije strojnega u\u010denja potrebno nau\u010diti in testirati pred njihovo uporabo v praksi. Zbrali in razvrstili bomo vzor\u010dne primere kategorij, ki jih bo kasneje razvr\u0161\u010dal stroj, nato bomo model usposobili (nau\u010dili) ter testirali, ali vzor\u010dne slike pravilno kategorizira.<\/p>\n

      \"\"<\/p>\n

      1. korak: Zbiranje in kategoriziranje vzor\u010dnih slik<\/h3>\n
        \n
      1. Prenesite slike koles, ki jih najdete tukaj <\/a><\/li>\n
      2. Po potrebi prenesite vsebino stisnjene mape (zip) v lokalno mapo na va\u0161em ra\u010dunalniku. Slu\u017eila bo za u\u010dne podatke aplikaciji strojnega u\u010denja.<\/li>\n
      3. Prenesite slike motornih koles, ki jih najdete tukaj<\/a>.<\/li>\n
      4. Po potrebi prenesite vsebino stisnjene mape (zip) v lokalno mapo na va\u0161em ra\u010dunalniku. Tudi ta vsebina bo slu\u017eila za u\u010dne podatke aplikaciji strojnega u\u010denja.<\/li>\n
      5. Prenesite vse slike, ki jih najdete tukaj<\/a>.<\/li>\n
      6. Po potrebi prenesite vsebino stisnjene mape (zip) v lokalno mapo na va\u0161em ra\u010dunalniku. Slu\u017eila bo za testne podatke.<\/li>\n
      7. Kliknite na Google’s Teachable Machine<\/a>\u00a0in izberite Image Project <\/strong>> Standard Image Model.<\/strong><\/li>\n
      8. Pod Kategorija 1 (Class 1), kliknite na: upload > Choose images from your files > <\/strong>odprite mapo s slikami koles, ki ste jo ustvarili v korakih 1 in 2 in iz nje uvozite shranjene slike.<\/li>\n
      9. Pod Kategorija 2 (Class 2), kliknite na: upload > Choose images from your files > <\/strong>odprite mapo s slikami motornih koles, ki ste jo ustvarili v korakih 3 in 4 in iz nje uvozite shranjene slike.<\/li>\n<\/ol>\n

        2. korak: U\u010denje modela<\/h3>\n

        Izberite U\u010denje (Training),<\/strong> nato kliknite na U\u010denje modela (Train Model)<\/strong>. Model se bo sedaj nau\u010dil, kako prepoznati kolesa in motorna kolesa. Po\u010dakajte na obvestilo Model nau\u010den \/ Model usposobljen (Model Trained).<\/strong><\/p>\n

        Verjetno boste opazili, da ni potrebno ro\u010dno izbirati in vna\u0161ati posameznih lastnosti (zna\u010dilnosti) koles in motornih koles. Algoritmi jih znajo namre\u010d sami poiskati na slikah!<\/p>\n

        \"\"
        Source : Google’s Teachable machine<\/figcaption><\/figure>\n

        3. korak: Testiranje modela<\/h3>\n
          \n
        1. Pod Predogled (Preview),<\/strong> kliknite na pu\u0161\u010dico zraven spletne kamere (webcam)<\/strong> in izberite vrsto vnosa: Datoteka (File). <\/strong><\/li>\n
        2. Kliknite, da izberete slike iz datotek na va\u0161em ra\u010dunalniku\u00a0(choose images from your files)\u00a0<\/strong>ter nato izberite testno sliko, ki ste jo shranili v korakih 5 in 6<\/li>\n
        3. Z mi\u0161ko se premaknite navzdol in preverite izhod.<\/li>\n
        4. Ponovite postopek z drugimi slikami, da primerjate u\u010dinek.<\/li>\n<\/ol>\n

          \u010ce uporabite sliko za u\u010denje klasifikatorja, bo stroj \u017ee zabele\u017eil ustrezno oznako za doti\u010dno sliko. Prikaz te slike stroju v fazi testiranja ne bo omogo\u010dil merjenja uspe\u0161nosti generalizacije. Zato se morajo u\u010dni in testni podatki med seboj razlikovati!<\/p>\n

          Opomba:<\/strong> nalo\u017eite lahko tudi svoje slike ter z njimi model u\u010dite in testirate.\u00a0Tukaj<\/a>\u00a0najdete dober in brezpla\u010den vir za najrazli\u010dnej\u0161e podobe (slike)<\/p>\n","protected":false},"author":1,"menu_order":8,"template":"","meta":{"pb_show_title":"","pb_short_title":"","pb_subtitle":"","pb_authors":[],"pb_section_license":""},"chapter-type":[49],"contributor":[],"license":[],"part":204,"_links":{"self":[{"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/chapters\/223"}],"collection":[{"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/chapters"}],"about":[{"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/wp\/v2\/types\/chapter"}],"author":[{"embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/chapters\/223\/revisions"}],"predecessor-version":[{"id":224,"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/chapters\/223\/revisions\/224"}],"part":[{"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/parts\/204"}],"metadata":[{"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/chapters\/223\/metadata\/"}],"wp:attachment":[{"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/wp\/v2\/media?parent=223"}],"wp:term":[{"taxonomy":"chapter-type","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/chapter-type?post=223"},{"taxonomy":"contributor","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/wp\/v2\/contributor?post=223"},{"taxonomy":"license","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/wp\/v2\/license?post=223"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}