Trạm 1 · Video 309
Cùng một bảng số, chọn biểu đồ nào kể đúng chuyện?
Bảng bán hàng 2 tháng của tiệm có 2.390 dòng. Chọn một câu hỏi, rồi chọn loại biểu đồ. Bit sẽ nói biểu đồ đó giúp hay làm người xem hiểu sai.
1. Câu hỏi của sếp
2. Bạn vẽ bằng
Mở nắp: quy tắc chọn biểu đồ
So các nhóm với nhau: cột. Theo thời gian: đường. Cơ cấu đổi thế nào: cột chồng theo tuần. Tránh biểu đồ tròn khi có nhiều phần hoặc cần so hai thời điểm, vì mắt người so góc rất kém. Trục dọc của biểu đồ cột phải bắt đầu từ 0.
Số liệu là chuỗi trà sữa giả lập dùng xuyên các series Data Analysis, Data Science của kênh.
Trạm 2 · Video 346
Gửi voucher cho ai? Kéo ngưỡng, xem precision và recall đổi chỗ
Model đoán xác suất bỏ quán của 59 khách thành viên mà nó chưa từng thấy. Mỗi chấm là một khách: đỏ là khách thật sự bỏ, xanh là khách ở lại. Ai nằm bên phải vạch tím thì nhận voucher.
Chọn ngưỡng là câu hỏi kinh doanh. Đổi giá theo tiệm của bạn (giả định):
Mở nắp: precision và recall
Precision (độ chuẩn): trong số khách được gửi voucher, bao nhiêu phần bỏ thật. Recall (độ phủ): trong số khách bỏ thật, bao nhiêu phần được gửi. Hạ ngưỡng thì bắt được nhiều khách hơn (recall lên) nhưng gửi nhầm nhiều hơn (precision xuống).
Xác suất lấy từ model LogisticRegression trong notebook thực hành của video (176 khách để học, 59 khách để thi). Ở ngưỡng 0,5 và 0,3 số trên trang khớp đúng video. Giá voucher và giá trị khách là giả định.
Trạm 3 · Video 348, 42, 241
Kéo độ sâu của cây: tới lúc nào thì model học thuộc lòng?
Cây quyết định hỏi từng câu có hoặc không để đoán khách có bỏ quán không. Cây càng sâu càng hỏi nhiều câu. Điểm học là điểm trên khách nó đã thấy, điểm thi là điểm trên khách lạ.
Mở nắp: vì sao điểm thi tụt
Chỉ có 235 khách và 2 tháng dữ liệu. Cây càng sâu càng nhớ được cả những chi tiết ngẫu nhiên của từng khách (có lá chỉ chứa đúng 1 khách), nên gặp khách lạ thì đoán sai. Mẹo: luôn in điểm học cạnh điểm thi, chênh càng nhiều càng phải nghi overfitting.
Mọi điểm số chạy thật bằng DecisionTreeClassifier trong notebook của video, độ sâu 1 tới 13 (13 là cây tự do).
Trạm 4 · Video 362
Giữ bánh xe quay đúng 10 rad/s khi khách đặt thêm 4 ly
Robot giao trà sữa đo tốc độ bánh 100 lần mỗi giây rồi sửa điện áp. Vặn 3 núm P, I, D rồi bấm Chạy. Giây thứ 2, nhân viên đặt 4 ly lên khay.
Bộ số trong video
Mở nắp: mô hình động cơ
Trang chạy đúng mô hình của video: động cơ τ·dω/dt = K·u − ω − tải (K = 2, τ = 0,15 s), lệnh điện áp tới trễ 30 ms, điện áp giới hạn ±12 V, encoder 360 vạch lấy trung bình 5 lần đo. Phần I có chống cộng dồn khi điện áp chạm trần.
Thử ngay như cuối video: đổi D lên 0,05 và xem điện áp rung thêm bao nhiêu.
Trạm 5 · Video 363
Tắt bớt mốc trên trần, xem robot còn biết mình ở đâu không
Robot chạy 3 vòng giao hàng. Chỉ đếm vòng bánh (odometry) thì lệch dần vì bánh phải mòn. EKF trộn thêm 8 mốc dán trần để tự sửa. Bấm vào mốc để tắt hoặc bật, rồi bấm Chạy.
Mở nắp: EKF làm gì mỗi bước
Mỗi 50 ms, EKF dự đoán vị trí mới từ encoder và vòng tròn không chắc chắn to ra. Camera ngửa lên trần 10 lần mỗi giây; thấy mốc nào trong vòng 1 m thì sửa vị trí theo mốc và vòng tròn co lại. Nguồn nào chính xác hơn được tin nhiều hơn.
Trang chạy lại đúng mô phỏng của video ngay trên máy bạn (bánh phải to hơn 0,5%, mỗi bánh trượt ngẫu nhiên khoảng 1%). Trượt ngẫu nhiên nên số mỗi lần chạy lệch chút so với video: odometry lệch 2,9 m, EKF sai trung bình 1,8 cm.
Trạm 6 · Video 364
Tìm đường cho robot giao trà sữa bằng A*
Đây là bản đồ robot tự vẽ bằng LiDAR (xám nhạt là chỗ chưa biết, coi như cấm). Vật cản được phình thêm cho vừa thân robot. Chọn bàn cần giao rồi xem A* tìm đường, so với Dijkstra.
Giao tới
Mở nắp: A* chấm điểm ô thế nào
Mỗi ô có điểm f = g + h: g là quãng đã đi từ chỗ robot, h là quãng ước lượng còn lại tới bàn (đi 8 hướng, không cắt góc). A* luôn mở ô có f nhỏ nhất nên lao về phía đích. Dijkstra bỏ h nên loang đều ra mọi phía, cùng đường ngắn nhất nhưng mở nhiều ô hơn.
Bản đồ là lưới ô 5 cm, 160 x 100 ô, lấy đúng từ lần khảo sát 43 giây trong video. Thử ngay như cuối video: dời cây cột rồi so đường mới với đường cũ.
Thấy bài có ích? Gửi cho một người bạn
Mọi thứ chạy trên máy bạn, không gửi gì đi đâu. Tiệm trà sữa, khách và robot là dữ liệu giả lập để học, số liệu lấy từ notebook và code thực hành của từng video.