Interactive playgrounds · Machine LearningPlayground interaktif · Machine Learning
Learning from examples, from the ground up: fitting classical models to labelled data, building a neural network by hand in NumPy, and watching a convolutional network discover its own filters.
Belajar dari contoh, mulai dari dasar: mencocokkan model klasik ke data berlabel, membangun neural network dengan tangan memakai NumPy, dan menyaksikan jaringan konvolusi menemukan filternya sendiri.
Learning from labelled examples: fitting curves, letting neighbors vote, finding the widest margin, splitting the plane, and counting words.
Belajar dari contoh berlabel: mencocokkan kurva, membiarkan tetangga ikut memilih, mencari margin terlebar, membelah bidang, dan menghitung kata.
A multilayer perceptron in ~60 lines of NumPy: train once, then scrub through the epochs to watch the boundary form, see each hidden neuron's view of the plane, and watch gradients vanish layer by layer with sigmoid.
Multilayer perceptron dalam ~60 baris NumPy: latih sekali, lalu geser epoch-nya untuk melihat batas keputusan terbentuk, lihat cara tiap hidden neuron memandang bidang, dan saksikan gradient menghilang lapis demi lapis dengan sigmoid.
Seeing with filters: build 3×3 filters by hand and watch feature maps, see convolution become one multiply per frequency, then let a tiny network discover its own edge detectors — trained live.
Melihat dengan filter: bangun filter 3×3 dengan tangan dan lihat feature map, saksikan konvolusi jadi satu perkalian per frekuensi, lalu biarkan jaringan kecil menemukan detektor tepinya sendiri — dilatih langsung.