Märkmikud — ülevaade

See jaotis on suunatud ML-le orienteeritud lugejatele — samad mudelid mis põhitekstis, Pythonis, mida saab käsitsi redigeerida.

Kuidas avada

1. Loe siit — staatilised lehed (KaTeX + manustatud graafikud).
2. Live Jupyter — pärast juurutamist on avatud /lab/: JupyterLab brauseris (Pyodide/WebAssembly; esimene külastus ~30 MB). Vali märkmikud repo kaustast study-guide/notebooks/ (need on pakitud JupyterLite-i ehitusse).
3. Kohalik ehitus — pnpm build:with-lab väljastab JupyterLite kausta dist/lab/ (vajab Python 3 koos jupyterlite-core ja jupyterlite-pyodide-kernel; skript paigaldab need ise).

Kui tahad Colabit — kopeeri kood nendelt lehtedelt oma märkmikku.

Märkmike teekaart

1. BKT nullist — ligikaudne mudel ~30 real; numbrid kattuvad täpselt TS-versiooniga. ✓ valmis
2. Parameetrite tundlikkus — mis läheb katki, kui $P(G)=0.5$ või $P(T)=0$. ✓ valmis
3. EM-i sobitamine — Baum–Welch parameetrite taastamine sünteetiliste andmete peal. Vastab küsimusele „kust parameetrid tulevad?” ✓ valmis
4. IRT vs BKT — võrdlus Item Response Theory’ga — millal kumb võidab. ✓ valmis
5. Klassi simulatsioon — 22 õpilast × 8 oskust × 50 õppetundi — meisterlikkuse kõverad. ✓ valmis