ទំព័រដើមប្រភេទការរៀនម៉ាស៊ីន និងបណ្តាញសរសៃប្រសាទ

🧠 ការរៀនម៉ាស៊ីន និងបណ្តាញសរសៃប្រសាទ

ដើមឈើសម្រេចចិត្ត ការរៀនតាមការលើកទឹកចិត្ត ផែនទីរៀបចំខ្លួនឯង និងក្រុមតាមវិធី k-means ស្វែងយល់តាមរូបភាព។

16 ការក្លែងធ្វើ60 fps ពេលវេលាជាក់ស្តែង0 ជំហានដំឡើង
Decision Tree LiveCART decision tree with Gini impurity splitting; axis-aligned splits emerge level by level… Reinforcement LearningQ-learning agent navigates an 8×8 grid maze. Heatmap shows max Q-values; white arrows show… Self-Organising Map24×24 Kohonen SOM (576 neurons, 3D RGB input). Gaussian neighbourhood update as α and σ… K-Means Clustering — Interactive Machine LearningStep through K-means clustering: watch centroids converge, Voronoi regions update, and… PCA & SVD Visualiser — Principal Component Analysis InteractiveGenerate a 2D dataset, diagonalise covariance matrix into principal components, and watch… PerceptronNewRosenblatt's 1958 algorithm: each misclassified point tilts the weight vector w ← w + η·y·x.… k-Nearest NeighboursNewClassify a point by majority vote among its k closest neighbours. Decision regions update… BackpropagationNewδ pulses flow backward through a small MLP: gradients highlight edges, weights update, and… Random Forest ClassifierNewBagging and random feature selection turn weak decision trees into a robust forest. Compare… t-SNE VisualiserNewt-SNE projects high-dimensional clusters to 2D via gradient descent on KL divergence. Tune… Self-Organising Map (SOM)NewA Kohonen grid folds high-dimensional data into 2D: neuron weights self-organise as σ… Radial Basis Function NetworkNewRadial basis network: N Gaussian bumps of width σ sum into a smooth decision boundary —… K-Means Clustering — Lloyd's AlgorithmNewCluster 2D points with k-means: assign to nearest centroid, move to the mean, repeat. Watch… DBSCAN — Density-Based ClusteringNewDBSCAN grows clusters from dense core points via ε-neighbourhoods and minPts, labelling… Naive Bayes Classifier — Probabilistic DecisionNewClassify 2D points with Gaussian naive Bayes: estimate per-class means and variances, apply… Gradient Descent — 3D Loss Surface & OptimisersNewNavigate a 3D loss landscape (Rosenbrock, Rastrigin, Himmelblau) with SGD, Momentum, RMSprop…
អំពីប្រភេទនេះ

ការរៀនម៉ាស៊ីន និងបណ្តាញសរសៃប្រសាទ

ដើមឈើសម្រេចចិត្ត ការរៀនតាមការលើកទឹកចិត្ត ផែនទីរៀបចំខ្លួនឯង និងក្រុមតាមវិធី k-means ស្វែងយល់តាមរូបភាព។

Three.js · WebGL 60 FPS CC BY 4.0
ព័ត៌មានសង្ខេប
16ការក្លែងធ្វើអន្តរកម្មនៅក្នុងប្រភេទនេះ
ដំណើរការនៅ ៦០ FPS លើកម្មវិធីរុករកទំនើបណាមួយ
🌐អាចប្រើប្រាស់បានជាភាសាអង់គ្លេស អ៊ុយក្រែន ប៉ូឡូញ អេស្ប៉ាញ អាល្លឺម៉ង់ ជប៉ុន អ៊ីតាលី ព័រទុយហ្គាល់ (ប្រេស៊ីល) បារាំង អារ៉ាប់ ហូឡង់ ចិន កូរ៉េ ហិណ្ឌី ទួរគី វៀតណាម រុស្ស៊ី ឥណ្ឌូនេស៊ី ពែរ្ស បង់ហ្គាឡា ថៃ ហ្វីលីពីន ស្វាហ៊ីលី អ៊ូឌូ ម៉ាឡេ តាមីល ហេព្រើរ ក្រិក ពូនចាប៊ី អាំហារិក ភូមា ខ្មែរ ហ្សកហ្ស៊ី នេប៉ាល់ ម៉ុងហ្គោលី អារមេនី ស៊ីនហាឡា ឡាវ ឆេក រូម៉ានី ហុងគ្រី ប៊ុលហ្គារី និងស៊ុយអែដ
🎓CC BY 4.0 — ឥតគិតថ្លៃសម្រាប់ថ្នាក់រៀន និងការបញ្ចូលក្នុង LMS

សំណួរដែលសួរញឹកញាប់

តើខ្ញុំចាំបាច់ត្រូវដំឡើងកម្មវិធីអ្វីមួយ ដើម្បីដំណើរការការក្លែងធ្វើ ការរៀនម៉ាស៊ីន និងបណ្តាញសរសៃប្រសាទ ដែរឬទេ?

ទេ ការក្លែងធ្វើ ការរៀនម៉ាស៊ីន និងបណ្តាញសរសៃប្រសាទ ដំណើរការដោយផ្ទាល់នៅក្នុងកម្មវិធីរុករករបស់អ្នក ដោយមិនចាំបាច់ដំឡើងកម្មវិធី ឬកម្មវិធីជំនួយបន្ថែមណាមួយឡើយ គ្រាន់តែចុចហើយចាប់ផ្តើមរៀនភ្លាមៗ។

តើការក្លែងធ្វើទាំងនេះដំណើរការនៅលើទូរស័ព្ទ និងថេប្លេតបានដែរឬទេ?

បាទ/ចាស ការក្លែងធ្វើទាំងអស់ត្រូវបានរចនាឱ្យសមស្របទៅតាមទំហំអេក្រង់ ដូច្នេះអ្នកអាចប្រើប្រាស់វាបានយ៉ាងរលូន ទាំងលើកុំព្យូទ័រ ថេប្លេត និងស្មាតហ្វូន។

តើត្រូវបង់ថ្លៃដើម្បីប្រើប្រាស់ការក្លែងធ្វើទាំងនេះដែរឬទេ?

ទេ mysimulator.uk ផ្តល់ការក្លែងធ្វើវិទ្យាសាស្ត្រអន្តរកម្មទាំងអស់ដោយឥតគិតថ្លៃ សម្រាប់សិស្ស គ្រូបង្រៀន និងអ្នកចូលចិត្តវិទ្យាសាស្ត្រគ្រប់រូប។

ប្រភេទពាក់ព័ន្ធ

អ្នកបានរកឃើញអ្វី?

បន្ថែមជំហានបង្ហាញឡើងវិញ (ស្រេចចិត្ត)