بتل کد Battle Codeدارد باز می‌شود…

جلسه‌ی 3: داده، سوخت هوش مصنوعی Data, the Fuel of AI

هوش مصنوعی بدون داده هیچ است. با لیست و دیکشنری داده‌ها را نگه می‌داری و با شمارش، میانگین و بیشینه از آن‌ها چیز می‌فهمی.

در این جلسه یاد می‌گیری

درس

داده یعنی هر چیزی که ثبت شده: نمره‌ها، دمای هر روز، تعداد لایک‌ها، عکس‌ها. هوش مصنوعی از داده یاد می‌گیرد؛ پس داده سوخت آن است. داده‌ی کم یا اشتباه = هوش مصنوعی اشتباه.

grades = [17, 19, 12, 20, 15, 18]
print("how many:", len(grades))
print("total:", sum(grades))

چهار تابع آماده‌ی پایتون خیلی به کار می‌آیند: len تعداد، sum جمع، max بزرگ‌ترین و min کوچک‌ترین. میانگین یعنی جمع تقسیم بر تعداد.

grades = [17, 19, 12, 20, 15, 18]
mean = sum(grades) / len(grades)
print("mean:", mean)
print("best:", max(grades), "worst:", min(grades))

عدد اعشاری دراز زشت است. round(x, 1) آن را با یک رقم اعشار گرد می‌کند.

mean = 16.833333
print(round(mean, 1))
print(round(mean))

برای شمردن این‌که هر چیز چند بار آمده، از دیکشنری استفاده می‌کنیم: کلید = آن چیز، مقدار = تعداد. counts.get(item, 0) اگر کلید نبود، صفر می‌دهد.

fruits = ["apple", "banana", "apple", "cherry", "apple", "banana"]
counts = {}
for f in fruits:
    counts[f] = counts.get(f, 0) + 1
print(counts)

داده‌ی واقعی اغلب جدول است: هر سطر یک دیکشنری با چند ویژگی. با حلقه روی لیست و ["key"] به هر ویژگی می‌رسی.

students = [
    {"name": "Sara", "hours": 3, "grade": 18},
    {"name": "Ali", "hours": 1, "grade": 12},
    {"name": "Nima", "hours": 2, "grade": 15},
]
for s in students:
    print(s["name"], "studied", s["hours"], "hours")

⚠️ داده‌ی ناعادلانه: اگر در داده‌ی ما فقط نمره‌ی پسرها باشد، هوش مصنوعی درباره‌ی دخترها اشتباه می‌کند. این را سوگیری (bias) می‌گویند. همیشه بپرس: این داده از کجا آمده و چه کسانی در آن نیستند؟

مثال‌های این جلسه

چالش‌ها

  1. Count and Total (آسان)
  2. Best and Worst (آسان)
  3. The Mean (متوسط)
  4. Count Each Fruit (متوسط)
  5. Table of Students (سخت)
  6. Who Is Missing? (سخت)

بیشتر بخوان

← جلسه‌ی 2: چت‌بات قانونی جلسه‌ی 4: پروژه: ربات پاسخ‌گوی مدرسه →