LEARNDO / HỌC QUA VIỆC LÀM
Mở một bài, làm theo ví dụ nhỏ, rồi thử trên dữ liệu của bạn. Giải thích vừa đủ để hiểu mình đang làm gì.
Các bài đã đăng được phân bổ ngày hiển thị theo lộ trình, từ cũ đến mới. Ngày xuất bản đã lưu vẫn có trong từng bài.
NumPy · Nền tảng AI / 8 phút đọc
Chuyên sâu · Đã đọc các bài nền tảng trong cùng chủ đề
Tự lập bảng risk–coverage và thấy rằng tăng ngưỡng tự tin không bảo đảm sai số luôn giảm.
Mở bài hướng dẫnOpenCV · Xử lý ảnh / 8 phút đọc
Trung cấp · Đã đọc các bài nền tảng trong cùng chủ đề
Mã hóa một ảnh có chi tiết gần ngưỡng, đọc lại bằng OpenCV rồi đo sai số pixel và số nhãn bị đổi.
Mở bài hướng dẫnPyTorch · Học sâu / 8 phút đọc
Trung cấp · Đã đọc các bài nền tảng trong cùng chủ đề
Tạo logits đồng điểm, tính hạng lạc quan và hạng bảo thủ rồi so với một quy tắc phá hòa cố định.
Mở bài hướng dẫnHình học 3D · Camera và độ sâu / 8 phút đọc
Trung cấp · Đã đọc các bài nền tảng trong cùng chủ đề
Tự viết vòng nearest-neighbor và Kabsch trên điểm tổng hợp, ghi đường giảm sai số và nêu rõ vai trò của khởi tạo.
Mở bài hướng dẫnNumPy · Nền tảng AI / 8 phút đọc
Chuyên sâu · Đã đọc các bài nền tảng trong cùng chủ đề
Tách điểm số khỏi quyết định, tự cộng chi phí bỏ sót và báo nhầm rồi chọn ngưỡng trên dữ liệu validation.
Mở bài hướng dẫnOpenCV · Xử lý ảnh / 8 phút đọc
Trung cấp · Đã đọc các bài nền tảng trong cùng chủ đề
Dùng một tính chất có thể dự đoán của Gaussian, ngưỡng và morphology để kiểm tra toàn bộ pipeline mà không cần vẽ nhãn mới.
Mở bài hướng dẫnPyTorch · Học sâu / 8 phút đọc
Trung cấp · Đã đọc các bài nền tảng trong cùng chủ đề
Lưu một mô hình nhỏ cùng mean, std và thứ tự lớp, tải lại trong bộ nhớ rồi kiểm tra dự đoán được khôi phục đúng.
Hình học 3D · Camera và độ sâu / 8 phút đọc
Trung cấp · Đã đọc các bài nền tảng trong cùng chủ đề
Thêm một điểm xa vào tập đích rồi so khoảng cách source-to-target, target-to-source, trung bình và percentile.
Mở bài hướng dẫn
