جلسهی 16: پروژهی نهایی و ارائه Final Project and Presentation
همهی چیزهایی که یاد گرفتی را در یک «دستیار هوشمند» جمع میکنی: چتبات، تشخیص با k-NN، پیشبینی با خط، و گزارش دقت؛ بعد آن را به کلاس ارائه میدهی.
در این جلسه یاد میگیری
- میتوانی چند مدل کوچک را در یک برنامه با منو کنار هم بگذاری.
- میتوانی دقت هر مدل را بسنجی و در گزارش بنویسی.
- میتوانی پروژهات را در دو دقیقه ارائه بدهی: چه میکند، از چه دادهای یاد گرفته، کجا اشتباه میکند.
درس
پروژهی نهایی: یک دستیار هوشمند با منو. کاربر 1 میزند تا با چتبات حرف بزند، 2 برای تشخیص میوه با k-NN، 3 برای پیشبینی نمره با خط، و 4 برای گزارش دقت. در چهار قدم میسازیش؛ هر قدم یک مدل از جلسههای قبل است.
ارائهی دو دقیقهای هر پروژهی هوش مصنوعی باید به سه سؤال جواب بدهد: ۱) چه کاری میکند؟ ۲) از چه دادهای یاد گرفته و آن داده از کجا آمده؟ ۳) کجا و چقدر اشتباه میکند؟ اگر به سؤال سوم جواب ندادی، ارائهات کامل نیست.
ایده برای بهتر کردن (اختیاری): چتبات را با دیکشنری یادگیرندهی جلسهی ۴ کامل کن؛ به k-NN یک میوهی سوم اضافه کن؛ در پیشبینی نمره هشدار «خارج از داده» بگذار؛ تشخیص رقم جلسهی ۱۲ را به منو اضافه کن.
⚠️ چکلیست اخلاق پروژه: دادهات اطلاعات شخصی هیچکس را ندارد؟ گفتهای که مدل کجا اشتباه میکند؟ اگر از هوش مصنوعی برای نوشتن کد کمک گرفتی، در ارائه گفتهای؟ اگر هر سه بله است، آمادهای.
آفرین! تو حالا میدانی هوش مصنوعی چطور یاد میگیرد، کجا قوی است و کجا اشتباه میکند. این دانش از خیلی از بزرگترها بیشتر است. ادامهی راه: دورهی پایتون را تمام کن، و بعد با کتابخانههای واقعی مثل scikit-learn همین الگوریتمها را روی دادهی بزرگ اجرا کن.
چالشها
- Step 1: Menu and Chatbot (آسان)
- Step 2: Fruit by k-NN (متوسط)
- Step 3: Grade by Line (متوسط)
- Step 4: The Report (سخت)