Untitled Quiz
50 Questions
0 Views

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to Lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

Jakie dane są przekształcane przez MinMaxScaler?

  • Dane bez wartości odstających
  • Dane z różnymi skalami (correct)
  • Dane skwantowane
  • Dane z rozkładem normalnym

StandardScaler jest przekształtnikiem, który znormalizuje dane w zakresie [0, 1].

False (B)

Jak nazywa się estymator, który ma punkt załamania wynoszący 50%?

mediana

____ jest często nazywane normalizacją Z-score.

<p>Standaryzacja</p> Signup and view all the answers

Połącz odpowiednie przekształcenia z ich opisami:

<p>MinMaxScaler = Przekształca dane do zakresu [0, 1] StandardScaler = Normalizacja Z-score Normalizacja = Zapewnienie wartości między 0 a 1 Skalowanie = Dostosowanie danych do wspólnego rozkładu</p> Signup and view all the answers

Co jest skutkiem działania outlierów na dane?

<p>Zwiększają odchylenie standardowe (D)</p> Signup and view all the answers

Normalizacja jest używana głównie, gdy nie znamy rozkładu cech.

<p>True (A)</p> Signup and view all the answers

Jakie przekształcenie jest używane, gdy dane mają rozkład normalny?

<p>Standaryzacja</p> Signup and view all the answers

Kto jest uznawany za ojca sztucznej inteligencji?

<p>John McCarthy (B)</p> Signup and view all the answers

Sztuczna inteligencja zajmuje się tworzeniem inteligentnych maszyn.

<p>True (A)</p> Signup and view all the answers

Jakie działania są uznawane za inteligentne według definicji John McCarthy'ego?

<p>Zachowania maszyn, które naśladują inteligentne działania ludzi.</p> Signup and view all the answers

Sztuczna inteligencja bada mechanizmy ludzkiej __________.

<p>inteligencji</p> Signup and view all the answers

Sparuj pojęcia z ich definicjami:

<p>Sztuczna inteligencja = Technologia tworzenia inteligentnych maszyn Modelowanie = Tworzenie reprezentacji systemów Zastępowanie = Podmiana działania ludzkiego przez maszyny Psychologia = Nauka o ludzkich zachowaniach</p> Signup and view all the answers

Czym jest sztuczna inteligencja według zacytowanej definicji?

<p>Nauka o tworzeniu inteligentnych programów (C)</p> Signup and view all the answers

Seminaria w kursie są oceniane jako część zaliczenia.

<p>True (A)</p> Signup and view all the answers

Zasady zaliczenia kolokwium są oparte na __________.

<p>informacjach podanych na zajęciach</p> Signup and view all the answers

Który z poniższych algorytmów należy do drzew decyzyjnych?

<p>ID3 (B)</p> Signup and view all the answers

Nieczystość Giniego jest używana do oceny, jak dobrze różne cechy odpowiadają na główne zadane pytanie.

<p>True (A)</p> Signup and view all the answers

Co oznacza zanieczyszczenie 'zerowe' w kontekście nieczystości Giniego?

<p>Oznacza, że dana cecha idealnie dzieli dane.</p> Signup and view all the answers

Drzewa decyzyjne używają ______ do oceny podziałów.

<p>nieczystości Giniego</p> Signup and view all the answers

Sparuj algorytmy z ich zastosowaniem:

<p>CART = Ocena nieczystości Giniego ID3 = Podział na podstawie entropii C4.5 = Rozszerzenie ID3 CHAID = Analiza interakcji</p> Signup and view all the answers

Co oznacza pojęcie 'zanieczyszczenie' w kontekście drzew decyzyjnych?

<p>Miara skuteczności podziału danych (A)</p> Signup and view all the answers

Im mniejsze zanieczyszczenie Giniego, tym lepszy jest podział.

<p>True (A)</p> Signup and view all the answers

Jakie algorytmy są wymienione jako przykłady drzew decyzyjnych?

<p>CART, ID3, C4.5, CHAID</p> Signup and view all the answers

Jakie są główne cechy funkcji aktywacji sigmoidalnej?

<p>Ma zakres wyjściowy 0,1 (B)</p> Signup and view all the answers

Funkcja aktywacji liniowa nie ma ograniczenia zakresu wyjściowego.

<p>True (A)</p> Signup and view all the answers

Jaką wartość ma pochodna funkcji sigmoidalnej w punkcie x?

<p>σ(x) * (1 - σ(x))</p> Signup and view all the answers

Funkcja aktywacji sigmoidalnej jest znana również jako ______.

<p>funkcja logistyczna</p> Signup and view all the answers

Dopasuj funkcje aktywacji do ich cech:

<p>Funkcja sigmoidalna = Ograniczony zakres 0,1 Funkcja liniowa = Brak ograniczenia zakresu Funkcja nieliniowa = Zawiera nieliniowość Funkcja spłaszczająca = Ogranicza wyjściowe wartości</p> Signup and view all the answers

Co jest warunkiem koniecznym przy stosowaniu algorytmu wstecznej propagacji?

<p>Ciągłość funkcji (A)</p> Signup and view all the answers

Funkcja aktywacji liniowa sprawia, że sieć ma charakter nieliniowy.

<p>False (B)</p> Signup and view all the answers

Jakie problemy mogą wystąpić przy użyciu liniowej funkcji aktywacji?

<p>Sieć zachowuje się jak kombinacja liniowa</p> Signup and view all the answers

Jakie metody można stosować do oceny jakości klastrowania?

<p>Różne metryki, w tym uczenie półnadzorowane (B)</p> Signup and view all the answers

Centroid jest punktem, który reprezentuje pojedynczy zbiór danych w klastrowaniu.

<p>True (A)</p> Signup and view all the answers

Czym zajmuje się metoda Elbow w kontekście klasteryzacji?

<p>Doborem liczby klastrów</p> Signup and view all the answers

Wskaźnik sylwetki (silhouette) mierzy jakość _____ .

<p>klastrowania</p> Signup and view all the answers

Przypisz odpowiednie algorytmy klasteryzacji do ich opisów:

<p>K-średnich = Najpopularniejsza metoda klasteryzacji oparta na centroidach Hierarchiczna = Tworzy hierarchię klastrów w formie drzewa Spektralna = Wykorzystuje informacje o strukturze graficznej danych Mieszanki Gaussowskie = Modeluje dane jako połączenie wielu rozkładów gaussowskich</p> Signup and view all the answers

Który z poniższych wskaźników jest używany do określenia liczby klastrów?

<p>Silhouette score (A)</p> Signup and view all the answers

Metoda K-średnich jest niezawodna i nie ma żadnych problemów w stosowaniu.

<p>False (B)</p> Signup and view all the answers

Jakie są efekty dwóch dobrze rozdzielonych klastrów na wskaźniku sylwetki?

<p>Wysoki wskaźnik sylwetki</p> Signup and view all the answers

Wartość WCSS oznacza _____ wewnątrz klastra.

<p>suma kwadratów błędów</p> Signup and view all the answers

Który z poniższych algorytmów jest przykładem klasteryzacji opartej na gęstości?

<p>DBSCAN (B)</p> Signup and view all the answers

Który z poniższych algorytmów jest przykładem klasteryzacji rozmytej?

<p>Fuzzy C-Means (B)</p> Signup and view all the answers

Sprinter „A” ma większą szansę na wygraną niezależnie od warunków atmosferycznych, ponieważ wygrał więcej biegów.

<p>False (B)</p> Signup and view all the answers

Czym jest prawdopodobieństwo warunkowe?

<p>Prawdopodobieństwo wystąpienia zdarzenia, biorąc pod uwagę, że inne zdarzenie już wystąpiło.</p> Signup and view all the answers

Prawdopodobieństwo wystąpienia „A” i „B” określa się jako 𝓟(𝐴⋂𝐵) = 𝓟(𝐵) * 𝓟(𝐴|𝐵). Wzór ten pokazuje, jak zależność _____ wpływa na prawdopodobieństwo.

<p>warunkowa</p> Signup and view all the answers

Dopasuj sprinterów do ich wyników:

<p>Sprinter A = 6 zwycięstw (1 przy silnym wietrze) Sprinter B = 2 zwycięstwa (obie przy silnym wietrze)</p> Signup and view all the answers

Jakie jest prawdopodobieństwo, że sprinter „B” wygra, jeżeli przewidywano wiatr?

<p>Jest mniejsze niż „A” (D)</p> Signup and view all the answers

Algorytm DBSCAN jest używany do klasyfikacji, a nie klasteryzacji.

<p>False (B)</p> Signup and view all the answers

Jakie wydarzenie odpowiada za prawdopodobieństwo a priori?

<p>Przypadek, w którym prawdopodobieństwo, że 'A' jest prawdziwe, określa się bez warunków.</p> Signup and view all the answers

Flashcards

Standaryzacja

Metoda transformacji danych, która przekształca je tak, aby miały średnią równą 0 i odchylenie standardowe równe 1.

Normalizacja

Metoda transformacji danych, która przekształca je do zakresu [0, 1] lub [-1, 1].

Punkt załamania

Procentowy udział danych, które mogą być fałszywe, bez wpływu na ogólny wynik modelu.

Interpolacja

Szacunek wartości między dwoma znanymi punktami danych.

Signup and view all the flashcards

Ekstrapolacja

Szacunek wartości poza zakresem znanych danych.

Signup and view all the flashcards

Rozkład normalny

W statystyce, rozkład, w którym dane skupiają się wokół średniej.

Signup and view all the flashcards

Regresja liniowa

Model statystyczny, który próbuje znaleźć zależność liniową pomiędzy zmienną zależną i jedną lub większą ilością zmiennych niezależnych.

Signup and view all the flashcards

Estymator Theila-Sena

Estymator regresji, który jest bardziej odporny na wartości odstające niż zwykła średnia.

Signup and view all the flashcards

Sztuczna Inteligencja

Dziedzina nauki zajmująca się badaniem mechanizmów ludzkiej inteligencji i tworzeniem systemów zdolnych do wspomagania lub zastępowania inteligentnych działań człowieka.

Signup and view all the flashcards

Definicja Sztucznej Inteligencji (McCarthy's)

Nauka i technologia tworzenia inteligentnych maszyn, szczególnie inteligentnych programów komputerowych, dąży do stworzenia maszyn działających w sposób, który byłby oznaczony jako inteligentny, gdyby działał człowiek.

Signup and view all the flashcards

Bioinżynieria

Dziedzina inżynierii skupiająca się na zastosowaniach inżynierii w biologii i medycynie.

Signup and view all the flashcards

Kurs Sztuczna Inteligencja w Bioinżynierii

Kurs akademicki skupiony na zastosowaniach sztucznej inteligencji w bioinżynierii.

Signup and view all the flashcards

Kolokwium

Formularz oceny wiedzy z zakresu danego kursu.

Signup and view all the flashcards

Materiały dydaktyczne

Dokumenty i zasoby informacyjne wykorzystywane w edukacji.

Signup and view all the flashcards

Konsultacje

Spotkania z prowadzącym kurs w celu wyjaśnienia trudnych zagadnień.

Signup and view all the flashcards

Kontakt z wykładowcą

Adres e-mail wykładowcy w celu kontaktu i uzyskania pomocy.

Signup and view all the flashcards

Drzewa decyzyjne - CART

Algorytm uczenia maszynowego służący do budowania drzew decyzyjnych, wykorzystujący nieczystość Giniego do oceny jakości podziału danych.

Signup and view all the flashcards

Drzewa decyzyjne - ID3

Algorytm uczenia maszynowego, który buduje drzewo decyzyjne wykorzystując entropię do wyboru najlepszego podziału danych.

Signup and view all the flashcards

Drzewa decyzyjne - C4.5

Udoskonalona wersja algorytmu ID3, która radzi sobie lepiej z ciągłymi wartościami cech i przesadną generalizacją.

Signup and view all the flashcards

Drzewa decyzyjne - CHAID

Algorytm uczenia maszynowego do budowania drzew decyzyjnych, który wykorzystuje test chi-kwadrat do wyboru najlepszego podziału danych.

Signup and view all the flashcards

Nieczystość Giniego

Miara niejednorodności rozkładu danych w węźle drzewa decyzyjnego. Im niższa, tym lepszy podział.

Signup and view all the flashcards

Nieczystość Giniego - CART

W algorytmie CART, nieczystość Giniego pozwala ocenić jakość podziału cech względem głównego pytania (klasyfikacji).

Signup and view all the flashcards

Proces budowania drzewa CART

Algorytm CART kolejno dodaje węzły do drzewa, optymalizując podział danych w oparciu o nieczystość Giniego.

Signup and view all the flashcards

Przykładowe drzewo decyzyjne

Struktura drzewiasta która reprezentuje klasyfikację lub przewidywanie, bazując na hierarchii pytań i odpowiedzi.

Signup and view all the flashcards

Centroid

Punkt reprezentujący skupienie danych (inaczej klaster).

Signup and view all the flashcards

Algorytm K-średnich

Metoda klastrowania oznaczająca punkty na klasterach.

Signup and view all the flashcards

Liczba klastrów

Ilość grup, na które dzielimy dane.

Signup and view all the flashcards

Elbow method

Metoda doboru liczby klastrów, wykorzystująca wykres WCSS.

Signup and view all the flashcards

WCSS

Suma kwadratów odległości próbek od centroidów ich klastrów.

Signup and view all the flashcards

Silhouette

Wskaźnik jakości klastrowania mierzący spójność punktów w klastrze.

Signup and view all the flashcards

Silhouette score

Wartość Silhouette dla wszystkich próbek.

Signup and view all the flashcards

Współczynnik Calińskiego-Harabasza

Wskaźnik jakości klastrowania.

Signup and view all the flashcards

Problemy metody K-średnich

Metoda ma ograniczenia, np. od liczby klastrów.

Signup and view all the flashcards

Klasteryzacja hierarchiczna

Algorytm grupowania punktów danych w hierarchicznej strukturze.

Signup and view all the flashcards

Klasteryzacja

Proces grupowania podobnych obiektów w klastry (grupy).

Signup and view all the flashcards

Algorytmy klasteryzacyjne

Metody grupowania podobnych danych w zbiory.

Signup and view all the flashcards

Prawdopodobieństwo warunkowe

Prawdopodobieństwo zdarzenia, pod warunkiem, że drugie zdarzenie wystąpiło.

Signup and view all the flashcards

Prawdopodobieństwo a priori

Prawdopodobieństwo zdarzenia, bez uwzględnienia dodatkowych informacji.

Signup and view all the flashcards

Naiwny klasyfikator bayesowski

Klasyfikator wykorzystujący prawdopodobieństwo warunkowe do przewidywania przynależności obiektu do konkretnej klasy.

Signup and view all the flashcards

Wyniki sprintera względem biegacza

Służy do porównania szans wygrania kolejnego biegu, biorąc pod uwagę wyniki z poprzednich zawodów.

Signup and view all the flashcards

Wiatr jako czynnik

Wpływ zewnętrznego czynnika (np. wiatru) na prawdopodobieństwo wygranej.

Signup and view all the flashcards

Klasteryzacja rozmyta (fuzzy clustering)

Metoda klasteryzacji, w której obiekty mogą należeć do kilku klastrów z określonymi stopniami przynależności.

Signup and view all the flashcards

Funkcja aktywacji

Funkcja w sieci neuronowej, która określa sposób, w jaki ważona suma danych wejściowych jest przekształcana w dane wyjściowe z węzła lub węzłów w warstwie sieci.

Signup and view all the flashcards

Funkcja sigmoidalna

Popularna funkcja aktywacji w sieciach neuronowych, która przyjmuje wartości z przedziału 0,1 i ma gładką pochodną, co jest niezbędne w algorytmie wstecznej propagacji.

Signup and view all the flashcards

Pochodna funkcji sigmoidalnej

Wzór na pochodną funkcji sigmoidalnej: 𝜎 ′ 𝑥 = 𝜎 𝑥 ∙ (1 − 𝜎 𝑥 ).

Signup and view all the flashcards

Funkcja liniowa

Najprostsza funkcja aktywacji, która przekształca dane wejściowe na dane wyjściowe proporcjonalnie do ich wartości.

Signup and view all the flashcards

Problemy z funkcją liniową

Liniowa funkcja aktywacji nie wprowadza nieliniowości do sieci, co może utrudnić uczenie złożonych wzorców.

Signup and view all the flashcards

Zalety funkcji liniowej?

Brak ograniczenia zakresu wyjść funkcji liniowej może być uważany za zaletę.

Signup and view all the flashcards

Funkcja aktywacji - dlaczego nieliniowa?

Nieliniowe funkcje aktywacji, takie jak sigmoidalna, umożliwiają naukę złożonych wzorców w danych, czego nie potrafią funkcje liniowe.

Signup and view all the flashcards

Wsteczna propagacja

Algorytm uczenia sieci neuronowych, który wykorzystuje pochodne funkcji aktywacji do modyfikacji wag w celu minimalizacji błędu.

Signup and view all the flashcards

Study Notes

Sztuczna Inteligencja w Bioinżynierii - Notatki ze Studiów

  • Temat: Sztuczna Inteligencja w Bioinżynierii
  • Wykładowca: dr inż. Michał Smolnicki
  • Materiały: Dostępne na eportalu Politechniki Wrocławskiej, prezentacje z zajęć.

Informacje praktyczne

  • Kontakt: [email protected]
  • Konsultacje: Sala B1, pokój 605 (strona lewa), wtorki 7:00-8:00.
  • Materiały do zajęć: Dostępne na platformie e-learningowej, identyczne z prezentacjami przedstawianych na zajęciach.
  • Zajęcia: Składają się z wykładów i seminariów (każdą oceniane osobno).
  • Zasady zaliczenia: Kolokwium (oceniane w skali 3.0-5.0), bazujące na materiałach z zajęć, odbywa się na ostatnich zajęciach. Zasady zaliczenia seminarium ustalane są na seminarium.

Czym jest sztuczna inteligencja?

  • Definicja Johna McCarthy'ego: Nauka i technologia tworzenia inteligentnych maszyn, szczególnie inteligentnych programów komputerowych.
  • Sztuczna Inteligencja to dziedzina nauki zajmująca się badaniem mechanizmów ludzkiej inteligencji (psychologii) oraz modelowaniem i konstruowaniem systemów, które są w stanie wspierać lub zastępować inteligentne działania człowieka.
  • Obejmuje m.in. sieci neuronowe, robotykę, uczenie maszynowe, głębokie uczenie i uczenie wzmocnione.
  • Przykłady z zastosowań SI: Cyfrowi asystenci, inteligentna klimatyzacja, autonomiczne samochody, roboty używane w fabrykach, wyszukiwarki internetowe, tłumaczenia maszynowe, bezpieczeństwo cybernetyczne, przeciwdziałanie dezinformacji, optymalizacja produktów i ścieżek sprzedaży, inteligentne rolnictwo (roboty do usuwania chwastów).

Uczenie maszynowe w mechanice

  • Idea oparta na bazach danych lub literaturze; przeprocesowaniu danych; przewidywaniu zachowań mechaniczn materiałów; nowatorskich metodach/paradigmach obliczeniowych.
  • Obecność dużego znaczenia badań o uczenia maszynowego w inżynierii mechanicznej (wzrost liczby publikacji w latach 2015-2023).

Klasyfikacja różnych typów uczenia maszynowego

  • Uczenie nadzorowane: Algorytmy uczą się na etykietowanych danych, aby dokonywać klasyfikacji danych (np. regresja liniowa, regresja wielomianowa, drzewa regresyjne, sieci neuronowe).
  • Uczenie nienadzorowane: Algorytmy uczą się, identyfikując wzorce i relacje w nieetykietowanych danych (np. analiza głównych składowych – PCA, metoda k-średnich, hierarchiczna analiza skupień, DBSCAN).
  • Uczenie wzmocnione: System uczy się przez interakcję z środowiskiem, otrzymując informacje zwrotne w postaci nagród lub kar.

Terminologia

  • Root Node: Główny węzeł drzewa decyzyjnego.
  • Decision Node: Węzeł decyzyjny w drzewie decyzyjnym.
  • Leaf Node: Ostateczny węzeł drzewa decyzyjnego, reprezentujący konkretną klasyfikację.
  • Sub-tree: Poddrzewo w drzewie decyzyjnym.

Drzewa decyzyjne

  • Definicja: Metoda indukcyjnego uczenia się pojęć i reprezentacji hipotez.
  • Zastosowanie: Służą do analizy skupień i klasyfikacji.
  • Rodzaje algorytmów: CART, ID3, C4.5, CHAID.

Nieczystość Giniego (Gini)

  • Metoda obliczeniowa wskazująca na jakość rozdzielenia cech w drzewie decyzyjnym.

Entropia

  • Definicja: W teorii informacji, entropia zmiennej losowej to ilosc "informacji" niezbędna do opisania jednego stanu zmiennej, biorąc pod uwagę jej rozkład prawdopodobieństwa.
  • Zastosowanie w drzewach decyzyjnych: Entropia słuzy do oceny rozdzielności danych, dążąc do minimalizacji entropii podziałów.

Regresja liniowa

  • Definicja: Uczenie nadzorowane, proste do zrozumienia i użycia, służące do ujęcia relacji liniowych między zmiennymi.
  • Podstawowe elementy: Współczynnik kierunkowy prostej (slope), punkt przecięcia z osią OY (intercept).
  • Zastosowanie: Przewidywanie wartości zmiennej zależnej na podstawie zmiennej niezależnej.

Interpolacja vs Ekstrapolacja

  • Interpolacja: Przewidywanie wartości zmiennej w zakresie dostępnych danych.
  • Ekstrapolacja: Przewidywanie wartości zmiennej poza zakresem dostępnych danych, co może prowadzić do błędnych rezultatów.

Metoda K-średnich (K-means clustering)

  • Algorytm grupowania punktów danych w klastry na podstawie minimalizacji odległości do centroidsów.
  • Celem jest grupowanie punktów danych w klastry o minimalnej odmienności wewnątrz klastra i maksymalnej odmienności klastrow pomiędzy klastrami.
  • Niezalety: Dobór liczby klastrów jest istotny.
  • Zalety: Szybkość i prostota obliczeń.

Metryki oceny klasyfikacji:

  • Dokładność (Accuracy): Stosowany do zadań regresji, gdy istotne jest karanie większych błędów.
  • Precyzja (Precision): Proporcja poprawnie sklasyfikowanych pozytywnych przypadków do wszystkich przewidzianych jako pozytywne.
  • Czułość (Recall): Proporcja rzeczywiście pozytywnych przypadków wykrytych poprawnie.
  • Wskaźnik F1: Średnia harmoniczna precyzji i czułości.
  • Krzywa ROC: Wykres przedstawiający relację pomiędzy czułością i specyficznością modelu.

Funkcje aktywacji

  • Sigmoidalna: Funkcja charakteryzująca się ograniczonym wyjściem w zakresie (0, 1).
  • Liniowa: Funkcja liniowa o stałej pochodnej równej jednej;
  • ReLU: Funkcja prostokątnie ograniczona z wartościami 0 lub x.

Głębokie sieci neuronowe

  • Składające się z wielu warstw ukrytych.

  • Problem przeuczenia (overfitting): Zbyt dobre dopasowanie do danych treningowych, co prowadzi do gorszej wydajności na nowych, nieznanych danych.

Warstwy splotowe (convolutional layers)

  • Warstwy specyficzne dla danych obrazowych, wykorzystujące operacje konwolucyjne do wykrywania cech w obrazie.

Warstwy łączące (pooling layers)

  • Warstwy obniżające rozmiar danych w warstwach splotowych.

Warstwy porzucenia (dropout layers)

  • Warstwy redukujące złożonośc sieci neuronowych, przerywając połączenia między neuronami.

Cosine Similarity Loss

  • Funkcja kosztu do zadan regresji (np. rozpoznawanie obrazów) gdzie istotne jest mierzenie podobieństwa/różnic między wektorami reprezentującymi obrazy.

Inne miary klasyfikacji

  • Opisane są inne miary klasyfikacji, jak chociażby: Accuracy, Precision, Recall, F1-score.

Studying That Suits You

Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

Quiz Team

Related Documents

Sztuczna Inteligencja w Bioinżynierii 2024/2025 PDF

More Like This

Untitled Quiz
37 questions

Untitled Quiz

WellReceivedSquirrel7948 avatar
WellReceivedSquirrel7948
Untitled Quiz
18 questions

Untitled Quiz

RighteousIguana avatar
RighteousIguana
Untitled Quiz
50 questions

Untitled Quiz

JoyousSulfur avatar
JoyousSulfur
Untitled Quiz
48 questions

Untitled Quiz

StraightforwardStatueOfLiberty avatar
StraightforwardStatueOfLiberty
Use Quizgecko on...
Browser
Open
Browser
Browser