جلسهی 78: پروژهی آزاد با مربی (۲): ساختن Open Project (2): Build
جلسهی ساختن. هر مسیر دو قدم دارد: الف هستهی RAG ربات و مسیریابی ابزار، ب دستهبند میانگین دستهها و k-NN، پ میانگین گروهها، همبستگی و خط پیشبینی. اول کوچک بساز، اجرا کن، بعد بزرگش کن.
در این جلسه یاد میگیری
- در پایان این جلسه هستهی پروژهام اجرا میشود و روی چند نمونه جواب میدهد.
- در پایان این جلسه روش اصلی مسیرم (RAG، میانگین دسته یا خط کمترین مربعات) را خودم نوشتهام.
- در پایان این جلسه قدم دوم مسیرم (ابزار، k-NN یا پیشبینی با هشدار) را اضافه کردهام.
- در پایان این جلسه یادداشت کردهام کجا گیر کردم و مربی چه پیشنهادی داد.
درس
قانون ساختن: کوچک، اجرا، بزرگ. اول کوچکترین نسخهای که کار میکند را بساز (یک تکه جزوه، دو دسته تصویر، پنج ردیف داده)، اجرایش کن، بعد بزرگش کن. کسی که اول ۲۰۰ خط مینویسد و بعد اجرا میکند، ۲۰۰ خط خطا را با هم پیدا میکند. سؤالهای امروز همین هسته را میسازند؛ بعد دادهی خودت را جایش بگذار.
مسیر الف (ربات): از جلسههای ۷۱ و ۷۲: tokens، jaccard، بهترین تکه، جواب با منبع، و «در جزوه نیست». بعد مسیریابی: اگر سؤال عدد و عملگر دارد، به ماشینحساب امن (جلسهی ۷۰) برود، وگرنه به جزوه.
مسیر ب (تصویر): هر تصویر یک رشتهی ۹ پیکسلی است. میانگین دسته (centroid): برای هر دسته، میانگین هر پیکسل روی همهی تصویرهای آن دسته. تصویر تازه به دستهای میرود که میانگینش نزدیکتر است (مجموع مربع اختلافها). بعد k-NN با k=3 را هم بساز و مقایسه کن؛ همان ایدهی جلسهی ۲۲، این بار با پیکسل.
def centroid(images):
return [sum(int(img[i]) for img in images) / len(images) for i in range(9)]
def distance(img, centre):
return sum((int(img[i]) - centre[i]) ** 2 for i in range(9))مسیر پ (داده): میانگین نمرهی هر گروه (کممطالعه / پرمطالعه)، ضریب همبستگی پیرسون بین دو ستون (عددی بین −۱ و +۱: مثبت یعنی با هم بالا میروند)، و خط کمترین مربعات mark = a × hours + b که در فاز ۱ با گرادیان یاد گرفتی، این بار با فرمول مستقیم: a = Σ(x−x̄)(y−ȳ) / Σ(x−x̄)² و b = ȳ − a·x̄.
⚠️ همبستگی علت نیست. اگر ساعت مطالعه و نمره همبستگی بالایی دارند، معنیاش این نیست که «فقط درس خواندن نمره را بالا میبرد»؛ شاید کسانی که بیشتر میخوانند کلاس خصوصی هم دارند. این جمله باید در ارائهی مسیر پ باشد. ⚠️ و پیشبینی بیرون از بازهی داده (مثلاً ۱۰ ساعت مطالعه وقتی داده فقط ۱ تا ۵ است) قابل اعتماد نیست؛ برنامه باید هشدار بدهد (جلسهی ۸).
نوبت مربی: وسط جلسه مربی به هر گروه سر میزند. آماده باش سه چیز را نشان بدهی: ۱) خروجی آخرین اجرا؛ ۲) جایی که گیر کردهای (خطا را کامل بخوان و نشان بده)؛ ۳) قدم بعدیات. در خانه اگر از یک مدل واقعی برای پیدا کردن خطا کمک گرفتی، فقط کد خودت را بده، نه دادهی شخصی، و کلید را هرگز در کد نگذار.
مثالهای این جلسه
چالشها
- Track A: The Bot's RAG Core (آسان)
- Track B: The Average Image of Each Class (آسان)
- Track C: Group Averages and Correlation (متوسط)
- Track A: Route to the Right Tool (متوسط)
- Track B: Centroid or k-NN? (سخت)
- Track C: A Prediction Line with a Warning (سخت)
بیشتر بخوان
← جلسهی 77: پروژهی آزاد با مربی (۱): نقشه جلسهی 79: پروژهی آزاد با مربی (۳): آزمودن →