𝐈 𝐚𝐦 𝐚 𝐡𝐢𝐠𝐡 𝐬𝐜𝐡𝐨𝐨𝐥 𝐬𝐭𝐮𝐝𝐞𝐧𝐭 𝐚𝐧𝐝 𝐢𝐧𝐭𝐞𝐫𝐝𝐢𝐬𝐜𝐢𝐩𝐥𝐢𝐧𝐚𝐫𝐲 𝐞𝐱𝐩𝐥𝐨𝐫𝐞𝐫. 𝐌𝐲 𝐩𝐚𝐭𝐡 𝐬𝐭𝐚𝐫𝐭𝐞𝐝 𝐰𝐢𝐭𝐡 𝐫𝐨𝐛𝐨𝐭𝐢𝐜𝐬 𝐚𝐧𝐝 𝐢𝐧𝐯𝐞𝐧𝐭𝐢𝐨𝐧 𝐩𝐫𝐨𝐣𝐞𝐜𝐭𝐬, 𝐚𝐧𝐝 𝐢𝐭 𝐢𝐬 𝐧𝐨𝐰 𝐞𝐱𝐩𝐚𝐧𝐝𝐢𝐧𝐠 𝐭𝐨𝐰𝐚𝐫𝐝 𝐀𝐈, 𝐦𝐚𝐜𝐡𝐢𝐧𝐞 𝐥𝐞𝐚𝐫𝐧𝐢𝐧𝐠, 𝐟𝐞𝐝𝐞𝐫𝐚𝐭𝐞𝐝 𝐥𝐞𝐚𝐫𝐧𝐢𝐧𝐠, 𝐚𝐧𝐝 𝐞𝐝𝐮𝐜𝐚𝐭𝐢𝐨𝐧-𝐟𝐫𝐢𝐞𝐧𝐝𝐥𝐲 𝐫𝐞𝐬𝐞𝐚𝐫𝐜𝐡 𝐭𝐨𝐨𝐥𝐬.

我是一名高中生，也是一名跨学科探索者。我的探索从机器人和创新发明开始，现在逐步延伸到 𝐀𝐈、机器学习、联邦学习，以及面向学习和讲解的研究工具。

• 𝐈 𝐜𝐚𝐫𝐞 𝐚𝐛𝐨𝐮𝐭 𝐦𝐚𝐤𝐢𝐧𝐠 𝐜𝐨𝐦𝐩𝐥𝐞𝐱 𝐢𝐝𝐞𝐚𝐬 𝐮𝐧𝐝𝐞𝐫𝐬𝐭𝐚𝐧𝐝𝐚𝐛𝐥𝐞 𝐭𝐡𝐫𝐨𝐮𝐠𝐡 𝐜𝐨𝐝𝐞, 𝐝𝐢𝐚𝐠𝐫𝐚𝐦𝐬, 𝐞𝐱𝐩𝐞𝐫𝐢𝐦𝐞𝐧𝐭𝐬, 𝐚𝐧𝐝 𝐫𝐞𝐩𝐨𝐫𝐭𝐬.
• 我关注如何用代码、图表、实验和报告，把复杂概念解释得更清楚。
• 𝐈 𝐩𝐫𝐞𝐟𝐞𝐫 𝐡𝐨𝐧𝐞𝐬𝐭 𝐞𝐱𝐩𝐞𝐫𝐢𝐦𝐞𝐧𝐭𝐬 𝐨𝐯𝐞𝐫 𝐩𝐨𝐥𝐢𝐬𝐡𝐞𝐝 𝐜𝐥𝐚𝐢𝐦𝐬: 𝐬𝐦𝐚𝐥𝐥 𝐝𝐚𝐭𝐚𝐬𝐞𝐭𝐬, 𝐮𝐧𝐬𝐭𝐚𝐛𝐥𝐞 𝐫𝐞𝐬𝐮𝐥𝐭𝐬, 𝐚𝐧𝐝 𝐥𝐢𝐦𝐢𝐭𝐚𝐭𝐢𝐨𝐧𝐬 𝐚𝐫𝐞 𝐚𝐥𝐥 𝐩𝐚𝐫𝐭 𝐨𝐟 𝐥𝐞𝐚𝐫𝐧𝐢𝐧𝐠.
• 我更重视真实的实验过程，而不是包装过度的结论：小数据集、波动结果和局限性本身也是学习的一部分。

MLForTommy is a beginner-friendly machine learning and federated learning simulation framework. It is designed for high school classroom-style explanation: the goal is to understand principles, not to chase industrial-level accuracy.

MLForTommy 是一个面向零基础学习者的机器学习 + 联邦学习仿真框架。它适合高中课堂式演示，核心目标是“看懂原理”，而不是追求工业级精度。

𝐖𝐡𝐚𝐭 𝐢𝐭 𝐢𝐧𝐜𝐥𝐮𝐝𝐞𝐬 / 项目内容：

• 𝐌𝐨𝐝𝐮𝐥𝐚𝐫 𝐟𝐫𝐚𝐦𝐞𝐰𝐨𝐫𝐤: 𝐝𝐚𝐭𝐚𝐬𝐞𝐭𝐬, 𝐦𝐨𝐝𝐞𝐥𝐬, 𝐭𝐫𝐚𝐢𝐧𝐞𝐫𝐬, 𝐚𝐧𝐚𝐥𝐲𝐬𝐢𝐬 𝐭𝐨𝐨𝐥𝐬, 𝐚𝐧𝐝 𝐯𝐢𝐬𝐮𝐚𝐥𝐢𝐳𝐚𝐭𝐢𝐨𝐧.
• 模块化框架：数据集、模型、训练器、分析工具和可视化。
• 𝐄𝐱𝐩𝐞𝐫𝐢𝐦𝐞𝐧𝐭𝐬 𝐟𝐨𝐫 𝐈𝐫𝐢𝐬, 𝐌𝐍𝐈𝐒𝐓, 𝐢𝐖𝐢𝐥𝐝𝐂𝐚𝐦, 𝐚𝐧𝐝 𝐛𝐫𝐞𝐚𝐬𝐭 𝐜𝐚𝐧𝐜𝐞𝐫 𝐜𝐥𝐚𝐬𝐬𝐢𝐟𝐢𝐜𝐚𝐭𝐢𝐨𝐧.
• 包含 𝐈𝐫𝐢𝐬、𝐌𝐍𝐈𝐒𝐓、𝐢𝐖𝐢𝐥𝐝𝐂𝐚𝐦、乳腺癌分类等实验脚本。
• 𝐀𝐮𝐭𝐨𝐦𝐚𝐭𝐢𝐜 𝐨𝐮𝐭𝐩𝐮𝐭𝐬: 𝐂𝐒𝐕 𝐝𝐚𝐭𝐚, 𝐥𝐨𝐬𝐬 𝐜𝐮𝐫𝐯𝐞𝐬, 𝐚𝐜𝐜𝐮𝐫𝐚𝐜𝐲 𝐜𝐮𝐫𝐯𝐞𝐬, 𝐜𝐨𝐦𝐩𝐚𝐫𝐢𝐬𝐨𝐧 𝐜𝐡𝐚𝐫𝐭𝐬, 𝐞𝐱𝐩𝐞𝐫𝐢𝐦𝐞𝐧𝐭 𝐫𝐞𝐩𝐨𝐫𝐭𝐬, 𝐚𝐧𝐝 𝐩𝐫𝐢𝐧𝐜𝐢𝐩𝐥𝐞 𝐬𝐮𝐦𝐦𝐚𝐫𝐢𝐞𝐬.
• 自动生成 𝐂𝐒𝐕 数据、损失曲线、准确率曲线、对比图、实验报告和原理总结。

𝐂𝐮𝐫𝐫𝐞𝐧𝐭 𝐞𝐱𝐩𝐞𝐫𝐢𝐦𝐞𝐧𝐭 𝐡𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬 / 当前实验摘要：

• 𝐒𝐢𝐧𝐠𝐥𝐞-𝐦𝐚𝐜𝐡𝐢𝐧𝐞 𝐯𝐬 𝐟𝐞𝐝𝐞𝐫𝐚𝐭𝐞𝐝 𝐥𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐜𝐨𝐦𝐩𝐚𝐫𝐢𝐬𝐨𝐧:
  • Single-machine accuracy: 92.12%
  • Federated learning accuracy: 88.58%
  • Single-machine final loss: 0.2866
  • Federated learning final loss: 0.4895
• 𝐢𝐖𝐢𝐥𝐝𝐂𝐚𝐦 𝐟𝐞𝐝𝐞𝐫𝐚𝐭𝐞𝐝 𝐬𝐢𝐦𝐮𝐥𝐚𝐭𝐢𝐨𝐧:
  • 5 𝐜𝐥𝐢𝐞𝐧𝐭𝐬, 20 𝐟𝐞𝐝𝐞𝐫𝐚𝐭𝐞𝐝 𝐫𝐨𝐮𝐧𝐝𝐬
  • 𝐋𝐨𝐜𝐚𝐥 𝐢𝐦𝐚𝐠𝐞 𝐜𝐥𝐚𝐬𝐬𝐢𝐟𝐢𝐜𝐚𝐭𝐢𝐨𝐧 𝐬𝐞𝐭𝐮𝐩
  • Final test accuracy in the small-data simulation: 50.00%

𝐓𝐡𝐞𝐬𝐞 𝐫𝐞𝐬𝐮𝐥𝐭𝐬 𝐚𝐫𝐞 𝐭𝐫𝐞𝐚𝐭𝐞𝐝 𝐚𝐬 𝐥𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐫𝐞𝐜𝐨𝐫𝐝𝐬. 𝐋𝐨𝐰𝐞𝐫 𝐨𝐫 𝐟𝐥𝐮𝐜𝐭𝐮𝐚𝐭𝐢𝐧𝐠 𝐟𝐞𝐝𝐞𝐫𝐚𝐭𝐞𝐝 𝐚𝐜𝐜𝐮𝐫𝐚𝐜𝐲 𝐢𝐬 𝐮𝐬𝐞𝐟𝐮𝐥 𝐡𝐞𝐫𝐞 𝐛𝐞𝐜𝐚𝐮𝐬𝐞 𝐢𝐭 𝐦𝐚𝐤𝐞𝐬 𝐭𝐡𝐞 𝐭𝐫𝐚𝐝𝐞-𝐨𝐟𝐟𝐬 𝐨𝐟 𝐝𝐢𝐬𝐭𝐫𝐢𝐛𝐮𝐭𝐞𝐝 𝐥𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐯𝐢𝐬𝐢𝐛𝐥𝐞.

这些结果会被当作学习记录来看待。联邦学习在小数据仿真中准确率较低或波动明显，反而能帮助观察分布式学习的限制和取舍。

🔗 𝐑𝐞𝐩𝐨𝐬𝐢𝐭𝐨𝐫𝐲 (𝐩𝐫𝐢𝐯𝐚𝐭𝐞): TommyDucx/Machine-Learning 🔗 仓库（私有）：TommyDucx/Machine-Learning

𝐀𝐜𝐜𝐨𝐫𝐝𝐢𝐧𝐠 𝐭𝐨 𝐚 𝐒𝐡𝐞𝐧𝐳𝐡𝐞𝐧 𝐍𝐞𝐰𝐬 𝐚𝐫𝐭𝐢𝐜𝐥𝐞 𝐟𝐫𝐨𝐦 创新南山, 𝐈 𝐰𝐚𝐬 𝐫𝐞𝐜𝐨𝐠𝐧𝐢𝐳𝐞𝐝 𝐚𝐬 𝐆𝐮𝐚𝐧𝐠𝐝𝐨𝐧𝐠 𝐏𝐫𝐨𝐯𝐢𝐧𝐜𝐞 "𝐈𝐧𝐧𝐨𝐯𝐚𝐭𝐢𝐨𝐧 𝐆𝐨𝐨𝐝 𝐘𝐨𝐮𝐧𝐠𝐬𝐭𝐞𝐫" 𝐚𝐧𝐝 𝐡𝐚𝐝 𝐞𝐚𝐫𝐥𝐢𝐞𝐫 𝐛𝐞𝐞𝐧 𝐫𝐞𝐜𝐨𝐠𝐧𝐢𝐳𝐞𝐝 𝐢𝐧 2019 𝐚𝐬 "深圳市南山区少年创新院小院士" 𝐚𝐧𝐝 "中国少年科学院小院士".

据深圳新闻网转载创新南山报道，我曾获评广东省“创新好少年”，并于 2019 年先后获评“深圳市南山区少年创新院小院士”和“中国少年科学院小院士”。

𝐏𝐮𝐛𝐥𝐢𝐜𝐥𝐲 𝐫𝐞𝐩𝐨𝐫𝐭𝐞𝐝 𝐡𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬 / 公开报道中的经历：

• 2 𝐧𝐚𝐭𝐢𝐨𝐧𝐚𝐥 𝐜𝐡𝐚𝐦𝐩𝐢𝐨𝐧𝐬𝐡𝐢𝐩𝐬 𝐢𝐧 𝐖𝐨𝐫𝐥𝐝 𝐑𝐨𝐛𝐨𝐭 𝐂𝐨𝐧𝐭𝐞𝐬𝐭 𝐞𝐝𝐮𝐜𝐚𝐭𝐢𝐨𝐧-𝐦𝐢𝐧𝐢𝐬𝐭𝐫𝐲 𝐜𝐨𝐦𝐩𝐞𝐭𝐢𝐭𝐢𝐨𝐧 𝐩𝐫𝐨𝐣𝐞𝐜𝐭𝐬.
• 2 次“世界机器人大赛全国冠军（教育部竞赛项目）”。
• 2 𝐜𝐡𝐚𝐦𝐩𝐢𝐨𝐧𝐬𝐡𝐢𝐩𝐬 𝐢𝐧 𝐆𝐮𝐚𝐧𝐠𝐝𝐨𝐧𝐠 𝐘𝐨𝐮𝐭𝐡 𝐑𝐨𝐛𝐨𝐭 𝐃𝐞𝐬𝐢𝐠𝐧 𝐂𝐨𝐧𝐭𝐞𝐬𝐭.
• 2 次“广东省青少年机器人设计大赛冠军”。
• 1 𝐭𝐡𝐢𝐫𝐝 𝐩𝐥𝐚𝐜𝐞 𝐢𝐧 𝐖𝐨𝐫𝐥𝐝 𝐑𝐨𝐛𝐨𝐭 𝐂𝐨𝐧𝐭𝐞𝐬𝐭 𝐘𝐨𝐮𝐭𝐡 𝐃𝐞𝐬𝐢𝐠𝐧 𝐂𝐨𝐧𝐭𝐞𝐬𝐭 𝐒𝐡𝐞𝐧𝐳𝐡𝐞𝐧 𝐬𝐭𝐚𝐭𝐢𝐨𝐧.
• 1 次“世界机器人大赛青少年设计大赛（深圳站）季军”。
• 𝐈𝐧𝐯𝐞𝐧𝐭𝐞𝐝 𝐚𝐧 𝐢𝐧𝐭𝐞𝐥𝐥𝐢𝐠𝐞𝐧𝐭 𝐛𝐚𝐜𝐤𝐩𝐚𝐜𝐤 𝐟𝐨𝐫 𝐢𝐦𝐩𝐫𝐨𝐯𝐢𝐧𝐠 𝐥𝐨𝐚𝐝 𝐛𝐚𝐥𝐚𝐧𝐜𝐞, 𝐰𝐢𝐭𝐡 𝐨𝐧𝐞 𝐮𝐭𝐢𝐥𝐢𝐭𝐲 𝐦𝐨𝐝𝐞𝐥 𝐩𝐚𝐭𝐞𝐧𝐭.
• 发明改善背负平衡的智能背包，并获得一项实用新型专利。

Source / 来源：深圳新闻网：两名南山学子上榜广东省“最美南粤少年”

• 𝐀𝐈 𝐚𝐧𝐝 𝐦𝐚𝐜𝐡𝐢𝐧𝐞 𝐥𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐟𝐮𝐧𝐝𝐚𝐦𝐞𝐧𝐭𝐚𝐥𝐬 / 𝐀𝐈 与机器学习基础
• 𝐅𝐞𝐝𝐞𝐫𝐚𝐭𝐞𝐝 𝐥𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐚𝐧𝐝 𝐩𝐫𝐢𝐯𝐚𝐜𝐲-𝐩𝐫𝐞𝐬𝐞𝐫𝐯𝐢𝐧𝐠 𝐜𝐨𝐦𝐩𝐮𝐭𝐚𝐭𝐢𝐨𝐧 / 联邦学习与隐私保护计算
• 𝐑𝐨𝐛𝐨𝐭𝐢𝐜𝐬 𝐚𝐧𝐝 𝐢𝐧𝐭𝐞𝐥𝐥𝐢𝐠𝐞𝐧𝐭 𝐬𝐲𝐬𝐭𝐞𝐦𝐬 / 机器人与智能系统
• 𝐈𝐧𝐭𝐞𝐫𝐝𝐢𝐬𝐜𝐢𝐩𝐥𝐢𝐧𝐚𝐫𝐲 𝐫𝐞𝐬𝐞𝐚𝐫𝐜𝐡 𝐚𝐧𝐝 𝐬𝐜𝐢𝐞𝐧𝐜𝐞 𝐜𝐨𝐦𝐦𝐮𝐧𝐢𝐜𝐚𝐭𝐢𝐨𝐧 / 跨学科研究与科学表达
• 𝐄𝐝𝐮𝐜𝐚𝐭𝐢𝐨𝐧-𝐟𝐫𝐢𝐞𝐧𝐝𝐥𝐲 𝐭𝐨𝐨𝐥𝐬 𝐟𝐨𝐫 𝐞𝐱𝐩𝐥𝐚𝐢𝐧𝐢𝐧𝐠 𝐚𝐛𝐬𝐭𝐫𝐚𝐜𝐭 𝐜𝐨𝐧𝐜𝐞𝐩𝐭𝐬 / 面向学习和讲解的工具

• GitHub: TommyDucx
• Personal site source in this workspace: index.html
• Verified recognition source: Shenzhen News / 创新南山