سرفصل‌ها درس 30 از 148 · سریع به نظر می‌رسید، اما کند بود
سریع به نظر می‌رسید، اما کند بود

زمان خود را پیش‌بینی کنید

چرا اهمیت دارد: پیش‌بینی‌ای که قبل از شروع نوشته شده باشد، پس از آن قابل تنظیم نیست تا با آنچه رخ داده است مطابقت یابد. همین موضوع آن را شایسته مقایسه می‌کند.

دو درس بعدی یک جفت همسان هستند: همان مهارت و همان سطح دشواری روی داده‌های متفاوت. مسئلهٔ زمان‌بندی‌شدهٔ A امکان استفاده از هوش مصنوعی را فراهم می‌کند: مربی یا دستیار شخصی خودتان، هر طور که معمولاً کار می‌کنید. مسئلهٔ زمان‌بندی‌شدهٔ B این امکان را غیرفعال می‌کند.

مرورگر زمان اولین ویرایش یا اجرای کد در هر درس و اولین بار که آن را می‌گذرانید را ثبت می‌کند، در همین مرورگر (هر دو را روی یک دستگاه حل کنید). حدس بزنید هر کدام چقدر طول خواهد کشید. سپس بگویید انتظار دارید کدام یک سریع‌تر باشد. شکل (اعداد خودتان را وارد کنید؛ برآوردهای دقیقه‌ای دوره برای هر درس یک راهنمای تقریبی هستند، نه یک هدف):

predicted = {
    "c-felt-fast-was-slow/timed-problem-a": <your minutes>,
    "c-felt-fast-was-slow/timed-problem-b": <your minutes>,
}
faster = "a"   # or "b" or "same"

صادق باشید، نه فروتن یا جسور. درس آخر این ماژول تنها در صورتی مفید است که این حدس واقعاً نظر شما باشد. پس از حل مسائل، آن را تغییر ندهید.

خلاصه: دو عدد و یک کلمه، نوشته شده قبل از شروع.

نوبت شما

واگذاری predicted: یک دیکشنری با کلیدها "c-felt-fast-was-slow/timed-problem-a" و "c-felt-fast-was-slow/timed-problem-b"، که هر کدام حاوی تعداد دقیقه‌ای هستند (۱ تا ۲۴۰) که انتظار دارید از اولین ویرایش یا اجرای کد در آن درس تا اولین پاس شدن آن بگذرد. Assign faster: "a", "b" یا "same". آن‌ها را به صورت اعداد و رشته‌های ساده بنویسید تا درس آخر بتواند آن‌ها را بخواند.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.