قارن بين قوائمك
لماذا هذا مهم لا يمكنك معرفة ما إذا كنت تفكر بشكل مختلف عن الإعداد الافتراضي حتى تضع أفكارك بجانبه. الرقم يحافظ على أمانتك
في مشكلة wrapped-log، كانت إجابات الذكاء الاصطناعي الثلاثة المغلقة هي: ترتيب نسخة ثم binary search؛ المشي للعثور على wrap ثم binary search؛ عد كل query مباشرة. كعلامات من قائمة ثابتة:
TAGS = {"load-all", "scan", "sort", "binary-search", "sample", "index", "math", "cache", "precompute"}
AI_TAGS = [{"load-all", "sort", "binary-search"}, # sort a copy
{"scan", "binary-search"}, # walk to the wrap
{"scan"}] # count each queryقم الآن بوسم أساليبك الثلاثة الخاصة بنفس الطريقة، بصدق: قم بوسم ما سيفعله كل أسلوب حقا، وليس ما يبدو جيدا. قائمتك من المسألة موجودة في مسودتك المحفوظة؛ يقوم البرنامج المبدئي بطباعتها إذا كان هذا المتصفح يحتوي عليها.
تعني درجةA القريبة من 1 أن أفكارك كانت أفكار الذكاء الاصطناعي. تعني الدرجة القريبة من 0 أنك استكشفت في مكان آخر. كلاهما ليس درجة: في العديد من المشكلات الفكرة الشائعة هي الصحيحة. إنها تخبرك أين بدأت.
خلاصة قم بوسم كلتا القائمتين بنفس الكلمات، وقم بمطابقة كل واحدة من كلماتك مع أقرب فكرة للذكاء الاصطناعي، ثم احسب المتوسط. هذا هو تداخلك.
اكتب closest(mine, ai_sets): أعلى تداخل لمجموعة الكلمات (الوسوم المشتركة مقسومة على كل الوسوم المختلفة، 0 إذا كانت كلتاهما فارغتين) بين mine وأي مجموعة في ai_sets؛ اقبل القوائم أو المجموعات. اكتب overlap_with_ai(my_tags, ai_sets): متوسط closest عبر أساليبك (0 إذا لم يوجد أي منها). قم بتعيين my_tags، قائمة واحدة من الوسوم من TAGS لكل أسلوب، ثم حدد score = overlap_with_ai(my_tags, AI_TAGS) واطبعها مقربة إلى منزلتين عشريتين.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.