Bir ders nasıl okunur
Her dersin şekli aynıdır; teorinin, kodun ve kanıtın nerede olduğunu hep bilirsin.
| Satır | Anlamı |
|---|---|
| Bölüm | Dersin ait olduğu bölüm |
| Çalışma türü | CPU Mac’te ya da Colab CPU’da koşar · GPU Colab GPU ister · ART bizim verdiğimiz sonuçları (log, checkpoint) kullanır, CPU’da koşar · HW gerçek SO-101 ister |
| Önkoşul | Bu kitabın gereken önceki dersleri |
| Önce öğren | Genel arka planı (matematik, ML, deep learning, RL) anlatan AI Engineering from Scratch dersleri |
| Süre | Okuma ve koşturma, yaklaşık |
| Kod | Deney script’i (varsa notebook) |
| Durum | ✅ tam · 📝 taslak · 🚧 yakında |
Bölümler
Bölüm başlığı “Bölümler”| Bölüm | Ne verir |
|---|---|
| Problem | Dersin çözdüğü somut bir hata ya da soru |
| Ana fikir | Gereken en az teori: tanımlar ve birkaç denklem |
| Deney | Tahmin et, koştur, gözle. Kısa kod, ardından ölçülmüş sayılardan bir tablo |
| Boz | Yöntem bozulana kadar zorlanan bir parametre ve nedeni |
| Gerçek robotta | Donanımda neyin değiştiği, yalnız kaynaklı bilgilerle |
| Kendini dene | Kolaydan zora üç alıştırma, cevaplarıyla |
| Akılda kalanlar ve kaynaklar | Üç madde, sıradaki ders, birincil kaynaklar |
Her deney bir sweep
Bölüm başlığı “Her deney bir sweep”Bir parametre değişir, bir büyüklük ölçülür; sonuç tek bir anekdot değil bir tablodur. Her koşunun tam çıktısı script’inin yanında output.txt olarak saklanır; dersteki sayılar oradan gelir.