Büyükler için · sıfırdan
Makine öğrenmesi, sıfırdan
Regresyondan k-means'e, karar ağacından küçük bir sinir ağına: her derste bir algoritma, robotik bir veri kümesi ve birkaç satır Python. Algoritma gözünün önünde adım adım çalışır; kodun o an hangi satırda olduğunu görürsün.
Nasıl çalışır
Her ders aynı düzende
Veri
Robottan gelen gerçekçi bir ölçüm kümesi: motor hızı, LiDAR noktaları, sensör değerleri.
Kod
NumPy ile kısa bir Python programı. Çalışan satır vurgulanır.
Sahne
Algoritmanın her adımı canlı çizilir. İleri, geri, hızlı ya da yavaş oynat.
Dene
Parametreyi değiştir (k, öğrenme oranı, derinlik…), sonucun nasıl değiştiğini gör.
Makine Öğrenmesi
Dersler
- 01Doğrusal regresyon ve gradyan inişiMotorun PWM–hız çizgisini adım adım öğrenmek
- 02Aşırı öğrenme ve doğrulamaSensör eğrisine uyan en iyi model, en karmaşık olanı değildir
- 03k en yakın komşu (k-NN)Renk sensörüyle nesne tanımak: yeni ölçüm, komşularına bakar
- 04Naive Bayes: olasılıkla kararİki sensörü birleştirip "önde engel var mı?" sorusunu yanıtlamak
- 05Karar ağacıÇizgi izleyen robotun kararını evet/hayır sorularına bölmek
- 06k-means: etiketsiz gruplarLiDAR noktalarını nesnelere ayırmak, tek bir cevap verilmeden
- 07Temel bileşen analizi (PCA)İki IMU ölçümünü, bilgiyi kaybetmeden tek sayıya indirmek
- 08Perceptron: ilk yapay nöronFren mi devam mı? Hatadan öğrenen tek bir doğru
- 09Küçük bir sinir ağıGizli katman ve geri yayılım: doğrunun çizemediği sınır