14 KiB

Raw Blame History

Príručka na riešenie problémov

Táto príručka vám pomôže vyriešiť bežné problémy pri práci s učebnými osnovami Machine Learning for Beginners. Ak tu nenájdete riešenie, pozrite si naše Diskusie na Discorde alebo otvorte problém.

Obsah

Problémy s inštaláciou

Inštalácia Pythonu

Problém: python: command not found

Riešenie:

Nainštalujte Python 3.8 alebo vyšší z python.org
Overte inštaláciu: python --version alebo python3 --version
Na macOS/Linux môže byť potrebné použiť python3 namiesto python

Problém: Konflikty spôsobené viacerými verziami Pythonu

Riešenie:

# Use virtual environments to isolate projects
python -m venv ml-env

# Activate virtual environment
# On Windows:
ml-env\Scripts\activate
# On macOS/Linux:
source ml-env/bin/activate

Inštalácia Jupyteru

Problém: jupyter: command not found

Riešenie:

# Install Jupyter
pip install jupyter

# Or with pip3
pip3 install jupyter

# Verify installation
jupyter --version

Problém: Jupyter sa neotvorí v prehliadači

Riešenie:

# Try specifying the browser
jupyter notebook --browser=chrome

# Or copy the URL with token from terminal and paste in browser manually
# Look for: http://localhost:8888/?token=...

Inštalácia R

Problém: Balíčky R sa nedajú nainštalovať

Riešenie:

# Ensure you have the latest R version
# Install packages with dependencies
install.packages(c("tidyverse", "tidymodels", "caret"), dependencies = TRUE)

# If compilation fails, try installing binary versions
install.packages("package-name", type = "binary")

Problém: IRkernel nie je dostupný v Jupyteri

Riešenie:

# In R console
install.packages('IRkernel')
IRkernel::installspec(user = TRUE)

Problémy s Jupyter Notebookom

Problémy s kernelom

Problém: Kernel sa neustále vypína alebo reštartuje

Riešenie:

Reštartujte kernel: Kernel → Restart
Vymažte výstup a reštartujte: Kernel → Restart & Clear Output
Skontrolujte problémy s pamäťou (pozrite Problémy s výkonom)
Skúste spustiť bunky jednotlivo, aby ste identifikovali problematický kód

Problém: Vybraný nesprávny kernel Pythonu

Riešenie:

Skontrolujte aktuálny kernel: Kernel → Change Kernel
Vyberte správnu verziu Pythonu
Ak kernel chýba, vytvorte ho:

python -m ipykernel install --user --name=ml-env

Problém: Kernel sa nespustí

Riešenie:

# Reinstall ipykernel
pip uninstall ipykernel
pip install ipykernel

# Register the kernel again
python -m ipykernel install --user

Problémy s bunkami notebooku

Problém: Bunky sa spúšťajú, ale nezobrazujú výstup

Riešenie:

Skontrolujte, či bunka stále beží (hľadajte indikátor [*])
Reštartujte kernel a spustite všetky bunky: Kernel → Restart & Run All
Skontrolujte konzolu prehliadača na chyby JavaScriptu (F12)

Problém: Bunky sa nedajú spustiť - žiadna odozva pri kliknutí na "Run"

Riešenie:

Skontrolujte, či server Jupyter stále beží v termináli
Obnovte stránku v prehliadači
Zatvorte a znova otvorte notebook
Reštartujte server Jupyter

Problémy s balíčkami Pythonu

Chyby pri importe

Problém: ModuleNotFoundError: No module named 'sklearn'

Riešenie:

pip install scikit-learn

# Common ML packages for this course
pip install scikit-learn pandas numpy matplotlib seaborn

Problém: ImportError: cannot import name 'X' from 'sklearn'

Riešenie:

# Update scikit-learn to latest version
pip install --upgrade scikit-learn

# Check version
python -c "import sklearn; print(sklearn.__version__)"

Konflikty verzií

Problém: Chyby nekompatibility verzií balíčkov

Riešenie:

# Create a new virtual environment
python -m venv fresh-env
source fresh-env/bin/activate  # or fresh-env\Scripts\activate on Windows

# Install packages fresh
pip install jupyter scikit-learn pandas numpy matplotlib seaborn

# If specific version needed
pip install scikit-learn==1.3.0

Problém: pip install zlyháva s chybami povolení

Riešenie:

# Install for current user only
pip install --user package-name

# Or use virtual environment (recommended)
python -m venv venv
source venv/bin/activate
pip install package-name

Problémy s načítaním dát

Problém: FileNotFoundError pri načítaní CSV súborov

Riešenie:

import os
# Check current working directory
print(os.getcwd())

# Use relative paths from notebook location
df = pd.read_csv('../../data/filename.csv')

# Or use absolute paths
df = pd.read_csv('/full/path/to/data/filename.csv')

Problémy s prostredím R

Inštalácia balíčkov

Problém: Inštalácia balíčkov zlyháva s chybami kompilácie

Riešenie:

# Install binary version (Windows/macOS)
install.packages("package-name", type = "binary")

# Update R to latest version if packages require it
# Check R version
R.version.string

# Install system dependencies (Linux)
# For Ubuntu/Debian, in terminal:
# sudo apt-get install r-base-dev

Problém: tidyverse sa nedá nainštalovať

Riešenie:

# Install dependencies first
install.packages(c("rlang", "vctrs", "pillar"))

# Then install tidyverse
install.packages("tidyverse")

# Or install components individually
install.packages(c("dplyr", "ggplot2", "tidyr", "readr"))

Problémy s RMarkdown

Problém: RMarkdown sa nedá vykresliť

Riešenie:

# Install/update rmarkdown
install.packages("rmarkdown")

# Install pandoc if needed
install.packages("pandoc")

# For PDF output, install tinytex
install.packages("tinytex")
tinytex::install_tinytex()

Problémy s aplikáciou kvízu

Build a inštalácia

Problém: npm install zlyháva

Riešenie:

# Clear npm cache
npm cache clean --force

# Remove node_modules and package-lock.json
rm -rf node_modules package-lock.json

# Reinstall
npm install

# If still fails, try with legacy peer deps
npm install --legacy-peer-deps

Problém: Port 8080 je už obsadený

Riešenie:

# Use different port
npm run serve -- --port 8081

# Or find and kill process using port 8080
# On Linux/macOS:
lsof -ti:8080 | xargs kill -9

# On Windows:
netstat -ano | findstr :8080
taskkill /PID <PID> /F

Chyby pri buildovaní

Problém: npm run build zlyháva

Riešenie:

# Check Node.js version (should be 14+)
node --version

# Update Node.js if needed
# Then clean install
rm -rf node_modules package-lock.json
npm install
npm run build

Problém: Chyby lintovania bránia buildovaniu

Riešenie:

# Fix auto-fixable issues
npm run lint -- --fix

# Or temporarily disable linting in build
# (not recommended for production)

Problémy s dátami a cestami k súborom

Problémy s cestami

Problém: Dáta sa nenašli pri spúšťaní notebookov

Riešenie:

Vždy spúšťajte notebooky z ich obsahujúceho adresára
```
cd /path/to/lesson/folder
jupyter notebook
```

Skontrolujte relatívne cesty v kóde

# Correct path from notebook location
df = pd.read_csv('../data/filename.csv')

# Not from your terminal location

Použite absolútne cesty, ak je to potrebné

import os
base_path = os.path.dirname(os.path.abspath(__file__))
data_path = os.path.join(base_path, 'data', 'filename.csv')

Chýbajúce dátové súbory

Problém: Dataset súbory chýbajú

Riešenie:

Skontrolujte, či dáta majú byť v repozitári - väčšina datasetov je zahrnutá
Niektoré lekcie môžu vyžadovať stiahnutie dát - pozrite README lekcie
Uistite sa, že ste stiahli najnovšie zmeny:
```
git pull origin main
```

Bežné chybové hlásenia

Chyby pamäte

Chyba: MemoryError alebo kernel sa vypne pri spracovaní dát

Riešenie:

# Load data in chunks
for chunk in pd.read_csv('large_file.csv', chunksize=10000):
    process(chunk)

# Or read only needed columns
df = pd.read_csv('file.csv', usecols=['col1', 'col2'])

# Free memory when done
del large_dataframe
import gc
gc.collect()

Varovania o konvergencii

Varovanie: ConvergenceWarning: Maximum number of iterations reached

Riešenie:

from sklearn.linear_model import LogisticRegression

# Increase max iterations
model = LogisticRegression(max_iter=1000)

# Or scale your features first
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

Problémy s vykresľovaním grafov

Problém: Grafy sa nezobrazujú v Jupyteri

Riešenie:

# Enable inline plotting
%matplotlib inline

# Import pyplot
import matplotlib.pyplot as plt

# Show plot explicitly
plt.plot(data)
plt.show()

Problém: Grafy Seaborn vyzerajú inak alebo spôsobujú chyby

Riešenie:

import warnings
warnings.filterwarnings('ignore', category=UserWarning)

# Update to compatible version
# pip install --upgrade seaborn matplotlib

Chyby Unicode/kódovania

Problém: UnicodeDecodeError pri čítaní súborov

Riešenie:

# Specify encoding explicitly
df = pd.read_csv('file.csv', encoding='utf-8')

# Or try different encoding
df = pd.read_csv('file.csv', encoding='latin-1')

# For errors='ignore' to skip problematic characters
df = pd.read_csv('file.csv', encoding='utf-8', errors='ignore')

Problémy s výkonom

Pomalé spúšťanie notebookov

Problém: Notebooky sa spúšťajú veľmi pomaly

Riešenie:

Reštartujte kernel na uvoľnenie pamäte: Kernel → Restart
Zatvorte nepoužívané notebooky, aby ste uvoľnili zdroje

Použite menšie vzorky dát na testovanie:

# Work with subset during development
df_sample = df.sample(n=1000)

Profilujte svoj kód, aby ste našli úzke miesta:

%time operation()  # Time single operation
%timeit operation()  # Time with multiple runs

Vysoké využitie pamäte

Problém: Systém má nedostatok pamäte

Riešenie:

# Check memory usage
df.info(memory_usage='deep')

# Optimize data types
df['column'] = df['column'].astype('int32')  # Instead of int64

# Drop unnecessary columns
df = df[['col1', 'col2']]  # Keep only needed columns

# Process in batches
for batch in np.array_split(df, 10):
    process(batch)

Prostredie a konfigurácia

Problémy s virtuálnym prostredím

Problém: Virtuálne prostredie sa neaktivuje

Riešenie:

# Windows
python -m venv venv
venv\Scripts\activate.bat

# macOS/Linux
python3 -m venv venv
source venv/bin/activate

# Check if activated (should show venv name in prompt)
which python  # Should point to venv python

Problém: Balíčky sú nainštalované, ale nie sú dostupné v notebooku

Riešenie:

# Ensure notebook uses the correct kernel
# Install ipykernel in your venv
pip install ipykernel
python -m ipykernel install --user --name=ml-env --display-name="Python (ml-env)"

# In Jupyter: Kernel → Change Kernel → Python (ml-env)

Problémy s Gitom

Problém: Nedajú sa stiahnuť najnovšie zmeny - konflikty pri zlúčení

Riešenie:

# Stash your changes
git stash

# Pull latest
git pull origin main

# Reapply your changes
git stash pop

# If conflicts, resolve manually or:
git checkout --theirs path/to/file  # Take remote version
git checkout --ours path/to/file    # Keep your version

Integrácia s VS Code

Problém: Jupyter notebooky sa neotvárajú vo VS Code

Riešenie:

Nainštalujte rozšírenie Python vo VS Code
Nainštalujte rozšírenie Jupyter vo VS Code
Vyberte správny interpret Pythonu: Ctrl+Shift+P → "Python: Select Interpreter"
Reštartujte VS Code

Ďalšie zdroje

Diskusie na Discorde: Pýtajte sa otázky a zdieľajte riešenia v kanáli #ml-for-beginners
Microsoft Learn: Moduly ML for Beginners
Video tutoriály: YouTube Playlist
Sledovanie problémov: Nahláste chyby

Stále máte problémy?

Ak ste vyskúšali vyššie uvedené riešenia a stále máte problémy:

Vyhľadajte existujúce problémy: GitHub Issues
Skontrolujte diskusie na Discorde: Diskusie na Discorde
Otvorte nový problém: Uveďte:
- Váš operačný systém a jeho verziu
- Verziu Pythonu/R
- Chybové hlásenie (celý traceback)
- Kroky na reprodukciu problému
- Čo ste už vyskúšali

Sme tu, aby sme vám pomohli! 🚀

Upozornenie:
Tento dokument bol preložený pomocou služby AI prekladu Co-op Translator. Hoci sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nenesieme zodpovednosť za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.

14 KiB Raw Blame History

Príručka na riešenie problémov

Obsah

Problémy s inštaláciou

Inštalácia Pythonu

Inštalácia Jupyteru

Inštalácia R

Problémy s Jupyter Notebookom

Problémy s kernelom

Problémy s bunkami notebooku

Problémy s balíčkami Pythonu

Chyby pri importe

Konflikty verzií

Problémy s načítaním dát

Problémy s prostredím R

Inštalácia balíčkov

Problémy s RMarkdown

Problémy s aplikáciou kvízu

Build a inštalácia

Chyby pri buildovaní

Problémy s dátami a cestami k súborom

Problémy s cestami

Chýbajúce dátové súbory

Bežné chybové hlásenia

Chyby pamäte

Varovania o konvergencii

Problémy s vykresľovaním grafov

Chyby Unicode/kódovania

Problémy s výkonom

Pomalé spúšťanie notebookov

Vysoké využitie pamäte

Prostredie a konfigurácia

Problémy s virtuálnym prostredím

Problémy s Gitom

Integrácia s VS Code

Ďalšie zdroje

Stále máte problémy?

14 KiB

Raw Blame History