Polimelo Lab.
Yapay zeka, matematik ve bilgisayar bilimleri teorilerini tarayıcıda çalışan canlı simülasyonlar, kodlar ve akademik notlarla somutlaştırıyoruz.
Dijital Laboratuvar (Sandbox)
WebAssembly, Web Workers ve HTML5 Canvas kullanarak tarayıcı üzerinde doğrudan çalışan interaktif deney modülleri.
WebAssembly Python Çalışma Zamanı Doğrulaması (Hello World)
Tarayıcı çekirdeği içinde Pyodide ve WebAssembly aracılığıyla istemci taraflı Python 3.11 yürütme ortamlarını doğrulayan mimari test. TypeScript arayüzü ile bağımsız düşük seviyeli backend'ler arasındaki veri hattı köprüsünü kurar.
Matris Çarpımı ve Vektör Uzayı Görselleştirici
Matris çarpımını adım adım görselleştiren etkileşimli bir çalışma alanı. Kullanıcılar A ve B matrisleri için değerler girebilir, C = A × B sonucunu hesaplayabilir ve mekanik sezgi oluşturmak için hücre bazında nokta çarpımını (dot product) izleyebilir.
Etkileşimli Lineer Regresyon ve Gradyan Uydurma
İstemci tarafında çalışan regresyon simülatörü. Kullanıcılar canvas koordinat düzlemine tıklayarak noktalar yerleştirir, en küçük kareler (least-squares) yöntemiyle y = mx + b doğrusu çizilir ve eğim, kesme noktası ile R-kare değerleri hesaplanır.
Akademik Altyapı & Dersler
Yapay zekanın ve veri yapılarının matematiksel temellerini ilk prensiplerden türeterek anlatan ders notları.
Lineer Cebir ve Seyrek Sistemler
Verimli hesaplama boru hatları için temel matematiksel yapılar. Vektör uzayları, matrisler ve seyrek temsil modellerini inceler.
Seyrek Matrisler ve CSR Veri Temsili
Sıkıştırılmış Seyrek Satır (CSR) temsil haritalaması, indeks işaretçileri, depolama verimliliği hesaplamaları ve seyrek matris-vektör çarpımı (SpMV).
Yapay Sinir Ağlarına Derin Dalış
Derin öğrenme ilkel modellerinin sıfırdan teorik türetimleri ve somut uygulamaları.
İlk Prensiplerden Geri Yayılım (Backpropagation)
Hata delta terimlerinin matematiksel türetilmesi, çıktı katmanı gradyanları, gizli katman geri yayılımı ve zincir kuralı kullanarak ağırlık/bias güncellemeleri.
Polimelo Lab, bilginin paylaştıkça çoğaldığına inanan açık kaynaklı bir projedir. Amacımız, hem kendimizi geliştirirken aldığımız notları ve yaptığımız deneyleri görselleştirmek, hem de gelecekte diğer geliştiricilerin kendi deneylerini ekleyebileceği modüler bir portfolyo ekosistemi sunmaktır.