Add multilingual language and systems learning tracks

tl/expanded-25-2/README.md

@@ -0,0 +1,9 @@
+# AI Runtime Engineering · 2
+
+[Agila University track](https://edu.agilaos.com/track.php?track=25&lang=tl)
+
+Mga 15 minuto bawat aralin. Hulaan, patakbuhin, baguhin, ipaliwanag, at sagutan ang pagsusulit sa University.
+
+- [Lesson 1: Planuhin ang memory lifetime](lesson-1/lesson.html)
+- [Lesson 2: May error budget ang quantization](lesson-2/lesson.html)
+- [Lesson 3: Runtime capstone na kayang ipaliwanag](lesson-3/lesson.html)

tl/expanded-25-2/lesson-1/lesson.html

@@ -0,0 +1,4 @@
+<!doctype html><html lang="tl"><meta charset="utf-8"><title>Planuhin ang memory lifetime</title><h1>Planuhin ang memory lifetime</h1><p>15-minutong sesyon: magbasa nang 3 minuto, mag-trace nang 3, mag-eksperimento nang 7, at sagutan ang check nang 2. Maglaan ng dagdag na oras kung kailangan.</p><p>May creation at last-use point ang value sa execution graph. Gamitin muli ang buffer kapag hindi na kailangan ang dating value at walang asynchronous operation na gumagamit nito. Ihiwalay ang accounting ng weight, activation, workspace, at cache. Kalkulahin ang element count times bytes per element; idagdag ang alignment at overhead sa tunay na implementation.</p><p><strong>Pagsasanay at ebidensiya:</strong> Hulaan ang halimbawa o iguhit ang pagbabago ng state. Baguhin ang isang palagay, subukan ang hangganan, at itala ang aktuwal na resulta. Ipaliwanag kung ano ang hindi napapatunayan ng maliit na modelo tungkol sa production system.</p><pre><code class="language-python">shape=(4,8)
+bytes_per_element=4
+print(shape[0]*shape[1]*bytes_per_element)
+</code></pre><p><strong>Inaasahang resulta:</strong> <code>128</code></p><h3>Pagsasanay at ebidensiya</h3><p>Itala ang hula, aktuwal na resulta, at dahilan ng pagtugma o pagkakaiba. Sinusukat ng completion check ang pag-unawa; hinahasa ng practice task ang kasanayan.</p><p><a href="https://git.agilaos.com/matt/open_agx">Sanggunian sa wika: git.agilaos.com</a></p><p><a href="https://onnx.ai/onnx/intro/">Sanggunian sa wika: onnx.ai</a></p></html>

tl/expanded-25-2/lesson-1/main.py

@@ -0,0 +1,3 @@
+shape=(4,8)
+bytes_per_element=4
+print(shape[0]*shape[1]*bytes_per_element)

tl/expanded-25-2/lesson-2/lesson.html

@@ -0,0 +1,8 @@
+<!doctype html><html lang="tl"><meta charset="utf-8"><title>May error budget ang quantization</title><h1>May error budget ang quantization</h1><p>15-minutong sesyon: magbasa nang 3 minuto, mag-trace nang 3, mag-eksperimento nang 7, at sagutan ang check nang 2. Maglaan ng dagdag na oras kung kailangan.</p><p>Hinahati ng simpleng symmetric quantizer sa scale, niro-round, at nililimitahan sa integer range. Minumultiply ng dequantization sa scale. May nawawalang impormasyon sa clipping at rounding. Sukatin ang numerical error at task accuracy bago tanggapin ang mas maliit na representation. Hindi lahat ng production format ang implemented ng scalar exercise.</p><p><strong>Pagsasanay at ebidensiya:</strong> Hulaan ang halimbawa o iguhit ang pagbabago ng state. Baguhin ang isang palagay, subukan ang hangganan, at itala ang aktuwal na resulta. Ipaliwanag kung ano ang hindi napapatunayan ng maliit na modelo tungkol sa production system.</p><pre><code class="language-python">value=0.36
+scale=0.1
+q=max(-127,min(127,round(value/scale)))
+restored=q*scale
+print(q)
+print(round(abs(value-restored),3))
+</code></pre><p><strong>Inaasahang resulta:</strong> <code>4
+0.04</code></p><h3>Pagsasanay at ebidensiya</h3><p>Itala ang hula, aktuwal na resulta, at dahilan ng pagtugma o pagkakaiba. Sinusukat ng completion check ang pag-unawa; hinahasa ng practice task ang kasanayan.</p><p><a href="https://git.agilaos.com/matt/open_agx">Sanggunian sa wika: git.agilaos.com</a></p><p><a href="https://onnx.ai/onnx/intro/">Sanggunian sa wika: onnx.ai</a></p></html>

tl/expanded-25-2/lesson-2/main.py

@@ -0,0 +1,6 @@
+value=0.36
+scale=0.1
+q=max(-127,min(127,round(value/scale)))
+restored=q*scale
+print(q)
+print(round(abs(value-restored),3))

tl/expanded-25-2/lesson-3/lesson.html

@@ -0,0 +1 @@
+<!doctype html><html lang="tl"><meta charset="utf-8"><title>Runtime capstone na kayang ipaliwanag</title><h1>Runtime capstone na kayang ipaliwanag</h1><p>15-minutong sesyon: magbasa nang 3 minuto, mag-trace nang 3, mag-eksperimento nang 7, at sagutan ang check nang 2. Maglaan ng dagdag na oras kung kailangan.</p><p>Bumuo ng maliit na graph executor na may input, matrix multiplication, bias, at activation. I-validate ang shape, panatilihin ang CPU reference, planuhin ang buffer lifetime, at i-benchmark nang hiwalay ang warm at cold run. CPU reference backend pa ang AGX Open; hindi patunay ng GPU execution ang pag-request ng GPU. Magdagdag lang ng backend kapag napatunayang gamit ito ng detection at correctness check.</p><p><strong>Pagsasanay at ebidensiya:</strong> Hulaan ang halimbawa o iguhit ang pagbabago ng state. Baguhin ang isang palagay, subukan ang hangganan, at itala ang aktuwal na resulta. Ipaliwanag kung ano ang hindi napapatunayan ng maliit na modelo tungkol sa production system.</p><h3>Pagsasanay at ebidensiya</h3><p>Itala ang hula, aktuwal na resulta, at dahilan ng pagtugma o pagkakaiba. Sinusukat ng completion check ang pag-unawa; hinahasa ng practice task ang kasanayan.</p><p><a href="https://git.agilaos.com/matt/open_agx">Sanggunian sa wika: git.agilaos.com</a></p><p><a href="https://onnx.ai/onnx/intro/">Sanggunian sa wika: onnx.ai</a></p></html>