Notebooks — обзор

Этот раздел — для ML-аудитории. Те же модели, что в основном тексте, но в Python и с возможностью трогать руками.

Как открыть

1. Читать здесь — статические страницы этого раздела (KaTeX + графики в коде).
2. Живой Jupyter — после деплоя откройте /lab/: JupyterLab в браузере (Pyodide/WebAssembly, первый визит ~30 МБ). В файловом браузере выберите ноутбуки из папки репозитория study-guide/notebooks/ (они же попадают в сборку JupyterLite).
3. Локальная сборка — pnpm build:with-lab кладёт JupyterLite в dist/lab/ (нужен Python 3 с пакетами jupyterlite-core и jupyterlite-pyodide-kernel, ставятся скриптом автоматически).

Google Colab при желании — скопируйте код из статической страницы в свой ноутбук.

План ноутбуков

1. BKT from scratch — модель в 30 строк numpy, числа точно совпадают с TS-реализацией. ✓ готов
2. Parameter sensitivity — что сломается при $P(G)=0.5$ и $P(T)=0$. ✓ готов
3. EM fitting — подгонка параметров через Baum-Welch на синтетике. Готовый ответ на каверзный вопрос «откуда параметры?». ✓ готов
4. IRT vs BKT — сравнение с Item Response Theory. Когда выбирать одно, когда другое. ✓ готов
5. Class simulation — 22 ученика × 8 навыков × 50 уроков. Цифры для питча. ✓ готов