requested changes #1

presentation.md

@@ -10,55 +10,48 @@ abstract: |
 # O nas
 
 Jesteśmy studentami Politechniki Rzeszowskiej na kierunku Inżynieria i analiza
-danych, a także członkami nowo stworzonego koła uczenia maszynowego.
+danych, a także członkami nowo stworzonego koła uczenia maszynowego. Chcemy
+pokazać to, co udało nam się odkryć w trakcie realizacji pierwszego Hackathonu
+realizowanego w naszym kole, a dotyczył on pandemii.
 [//]: # (Dodać logo koła naukowego)
 
----
-
 # Nasz cel
 
-Chcemy pokazać to, co udało nam się odkryć w trakcie realizacji pierwszego
-Hackathonu realizowanego w naszym kole, a dotyczył on pandemii. Naszym celem
-było znalezienie, reguł asocjacyjnych i ciekawych zależności w danych z
-zachowań, które docelowo miały nam posłużyć do lepszego zrozumienia sposobu
-rozprzestrzeniania się koronawirusa Sars-Cov-2 i przewidywania ilości
+Naszym celem było znalezienie, reguł asocjacyjnych i ciekawych zależności w
+danych z zachorwań, które docelowo miały nam posłużyć do lepszego zrozumienia
+sposobu rozprzestrzeniania się koronawirusa SARS-COV-2 i przewidywania ilości
 zachorowań.
 
 Pokażemy, w jaki sposób pracowaliśmy, jakich technik używaliśmy i jak zdobyliśmy
 dane, których używaliśmy. Mamy nadzieję, że są wśród was studenci, których
 zainteresujemy naszą pracą i dołączą do naszego koła naukowego.
 
----
-
 # Dane
 
 Jeszcze, gdy zaczynaliśmy, liczba zachorowań nie przekraczała 500 osób
 dziennie (był to okres od marca do maja 2020), wtedy kolejnymi falami określano
-niewielkie z perspektywy czasu wzrosty zakażeń. (Tutaj będzie wykres zakażeń z 
-marca 2020).
+niewielkie z perspektywy czasu wzrosty zakażeń. 
 
----
+![Tutaj będzie wykres zakażeń z marca 2020](img/obrazek.png)
 
 # Jak znaleźć źródła danych?
 
-To było pierwszym pytaniem, jakie zadaliśmy sobie w naszym projekcie, ponieważ
-szczególnie na początku pandemii dostęp do szczegółowych danych nie był tak
-prosty. Powodów było kilka:
+To było pierwszym pytanie, jakie zadaliśmy sobie w naszym projekcie. Szczególnie
+na początku pandemii dostęp do szczegółowych danych nie był tak prosty. Powodów
+było kilka:
 
 - na stronie ministerstwa publikowane były wyłącznie dane z danego dnia.
 - publicznie dostępne dane dotyczące wielu krajów nie zawierały podziału na
   województwa.
 
-A nas szczególnie interesowały dane właśnie z podziałem na województwa,
-ewentualnie na jeszcze mniejsze jednostki podziału terytorialnego.
-
----
+A szczególnie interesowały nas dane z podziałem na województwa, ewentualnie na
+jeszcze mniejsze jednostki podziału terytorialnego.
 
 # Źródła danych
 
 Na szczęście udało nam się znaleźć inne źródła, tj. strony tworzone przez ludzi,
 którzy codziennie sami zbierali te dane i udostępniali je w formie wykresów.
-Przykładem takiej strony jest koronawirusunas.pl . Dzięki uprzejmości jej
+Przykładem takiej strony jest <koronawirusunas.pl>. Dzięki uprzejmości jej
 twórców udało nam się pobrać dane na niej zawarte i przeprowadzić wszystkie
 analizy.
 
@@ -68,7 +61,6 @@ Do głównych źródeł danych zaliczyć możemy:
 - koronawirusunas.pl
 - policja.pl
 
----
 
 # Techniki zbierania danych
 
@@ -77,17 +69,13 @@ które (oczywiście za zgodą właścicieli portali) pobierały z nich bieżące
 kolei pozostałe dane były udostępnione publicznie w formie skompresowanych
 plików, także aktualizowanych codziennie.
 
----
-
 # Jak pracowaliśmy z danymi
 
 Te dane musiały zostac sprowadzone do wspólnego formatu, tak aby wszystkie
 stworzone wykresy i analizy można było odtwarzać natychmiast po aktualizacji
 danych, ponieważ te zmieniały się z dnia na dzień wraz z rozwojem pandemii. Do
 tego wykorzystaliśmy pythona i Jupyterlab.
 
----
-
 # Jak pracowaliśmy z danymi
 
 Z pomoca jupyterlab można stworzyć interaktywne notatniki, które działają krok
@@ -97,4 +85,4 @@ w osobnym notatniku, co umożliwiło nam zapanowanie nad projektem. Oczywiście
 korzystanie z notatników też ma swoje wady, kolejne zmiany utrzymywane w
 systemie kontroli wersji Git nie są czytalne.
 
-![](img/zar.png)
+![Wykres zarażeń województwa + Polska](img/zar.png)