T11.1
Валідація не дорівнює “графіки схожі”
Пояснити власними словами, показати у моделі, підтвердити графіком або чисельним експериментом.
Topic W11 · 21.04.2026
Cross-validation Simulink vs Python
RMSE, MAE, overlay-графіки, solver tolerance, parameter mismatch, acceptance threshold.
Навчальний фокус
Що студент має зрозуміти
T11.2
Як вибрати tolerance та acceptance threshold
Пояснити власними словами, показати у моделі, підтвердити графіком або чисельним експериментом.
T11.3
Як пояснювати розбіжності між двома реалізаціями
Пояснити власними словами, показати у моделі, підтвердити графіком або чисельним експериментом.
Практика
Практична робота
Порівняння мінімум 3 сценаріїв. Пояснення розбіжностей як технічного результату.
- Підготувати 3 контрольні питання до теми і відповісти на них без LLM-підказок.
- Додати до Git короткий commit note: що змінилось і чому.
- Додати один графік, який показує не лише результат, а й проблему або обмеження моделі.
- Описати один ризик неправильного застосування методу в реальній інженерній задачі.
- Зробити мінімум один ручний розрахунок або sanity check для перевірки чисельної моделі.
Лабораторна
ЛР-11: validation notebook + model-to-model comparison.
Очікуваний артефакт: Overlay plots, RMSE/MAE table, explanation of mismatch.
Додаткові матеріали
Validation: онлайн-база для поглиблення
Ключові ресурси теми
Розгорнути
- pytest DocumentationМінімальні unit/sanity tests для моделей.
- GitHub Actions · Python build and testАвтоматичний запуск тестів для Python-моделей.
- Python Control Systems LibraryState-space, transfer functions, frequency response, root locus.
- SciPy · solve_ivpЧисельне інтегрування систем ОДУ в Python.
- N-iX · Software Engineering ServicesЖиттєвий цикл інженерного продукту.
- N-iX · Embedded SoftwareEmbedded thinking: обмеження, reliability, integration.
- Coursera · MATLAB / Simulink coursesКаталог MATLAB/Simulink курсів.
- pandas DocumentationCSV/Excel результати, таблиці експериментів.
Практичне застосування
Розгорнути
- Знайти в одному з ресурсів приклад, близький до командного проєкту, і додати коротке посилання в README.
- Порівняти матеріал з власною моделлю: що збігається, а що відрізняється через фізичні припущення.
- Додати один sanity check або один графік, який підтверджує правильність обраного підходу.
- Зафіксувати у weekly status: що було використано, чому саме це джерело, який результат отримано.
Контроль якості та автентичності
Розгорнути
- Git DocumentationКоміти, branches, diff, історія рішень.
- Jupyter DocumentationNotebook як журнал експерименту.
- Matplotlib documentationГрафіки з підписаними осями та легендами.
- Не копіювати готові рішення без пояснення. Кожне посилання має завершитись власним висновком.
- У звіті окремо відмітити: source → застосований фрагмент → власна модифікація → результат.