Differences
This shows you the differences between two versions of the page.
|
priot:laboratoare:09 [2024/12/05 20:59] jan.vaduva [Lecturi și Resurse Suplimentare] |
priot:laboratoare:09 [2024/12/17 07:04] (current) alexandru.bala [Prezentare Teoretică] |
||
|---|---|---|---|
| Line 19: | Line 19: | ||
| * Modelul învață dintr-un set de date etichetat, unde fiecare intrare are un răspuns cunoscut. | * Modelul învață dintr-un set de date etichetat, unde fiecare intrare are un răspuns cunoscut. | ||
| * Ex.: Prezicerea prețului unei case pe baza suprafeței. | * Ex.: Prezicerea prețului unei case pe baza suprafeței. | ||
| - | * Algoritmi populari: regresie liniară, arbori de decizie, rețele neuronale. | + | * Algoritmi populari: regresie liniară, arbori de decizie, rețele neurale. |
| ==Unsupervised Learning== | ==Unsupervised Learning== | ||
| * Modelul lucrează cu date neetichetate și găsește structuri ascunse. | * Modelul lucrează cu date neetichetate și găsește structuri ascunse. | ||
| Line 30: | Line 30: | ||
| ====Regresia liniară==== | ====Regresia liniară==== | ||
| - | Regresia liniară este una dintre cele mai simple metode de predicție folosite în învățarea supervizată. Scopul este de a găsi o relație liniară între o variabilă dependentă yy (de ex., prețul casei) și una sau mai multe variabile independente xx (de ex., suprafața casei). | + | Regresia liniară este una dintre cele mai simple metode de predicție folosite în învățarea supervizată. Scopul este de a găsi o relație liniară între o variabilă dependentă y (de ex. prețul casei) și una sau mai multe variabile independente x (de ex. suprafața casei). |
| Ecuația generală: | Ecuația generală: | ||
| - | y=m⋅x+by = m \cdot x + b | + | y = m⋅x + b |
| Unde: | Unde: | ||
| - | * yy: valoarea prezisă. | + | * y: valoarea prezisă. |
| - | * xx: variabila predictivă. | + | * x: variabila predictivă. |
| - | * mm: panta liniei (impactul variabilei predictive asupra rezultatului). | + | * m: panta liniei (impactul variabilei predictive asupra rezultatului). |
| - | * bb: interceptul (valoarea yy când x=0x = 0). | + | * b: interceptul (valoarea y când x = 0). |
| ==== Ce este setul de date Boston Housing? ==== | ==== Ce este setul de date Boston Housing? ==== | ||
| Line 142: | Line 142: | ||
| * Utilizat frecvent în supraveghere, aplicații IoT și dispozitive edge alimentate de AI. | * Utilizat frecvent în supraveghere, aplicații IoT și dispozitive edge alimentate de AI. | ||
| - | ESP32-CAM-MB este un programatorul micro USB de la Espressif Systems, având support pentru chipul serial CH340G. | + | ESP32-CAM-MB este un programator micro USB de la Espressif Systems, având support pentru chipul serial CH340G. |
| === IoT și TinyML cu ESP32 === | === IoT și TinyML cu ESP32 === | ||
| Line 200: | Line 200: | ||
| </note> | </note> | ||
| + | |||
| + | <note important>Pentru a nu aparea eroare de build pentru **tflm_esp32** redenumiti folderul **esp32s3** in **esp32** din cadrul librariei.</note> | ||
| ====Lecturi și Resurse Suplimentare==== | ====Lecturi și Resurse Suplimentare==== | ||
| * [[https://github.com/prusa3d/Prusa-Firmware-ESP32-Cam/blob/master/doc/AI_Thinker-ESP32-cam/README.md|AI Thinker ESP32-CAM]] | * [[https://github.com/prusa3d/Prusa-Firmware-ESP32-Cam/blob/master/doc/AI_Thinker-ESP32-cam/README.md|AI Thinker ESP32-CAM]] | ||
