سرفصل‌ها درس 20 از 148 · تمرکز بر خود
تمرکز بر خود

خود اول: الوار پیچیده‌شده

چرا اهمیت دارد این یک مسئلهٔ کامل تله است و معلم تا زمانی که شما سه رویکرد خودتان را ننوشته‌اید، قفل می‌ماند. متوجه شوید که وقتی با هیچ چیز جز خود مسئله شروع می‌کنید چه حسی دارید.

یک دستگاه کوچک گزارش رویدادهای خود را در یک بافر حلقه‌ای نگه می‌دارد: فایلی با اندازهٔ ثابت که به‌ترتیب زمانی نوشته می‌شود. وقتی پر می‌شود، نوشتن به ابتدای بافر بازمی‌گردد و قدیمی‌ترین ورودی‌ها را بازنویسی می‌کند. بنابراین فایل مرتب است، اما چرخشی: جدیدترین ورودی‌ها با قدیمی‌ترین‌ها دنبال می‌شوند. خواندن از فلش دستگاه کند است و هر مقداری که خوانده می‌شود اهمیت دارد.

پرسنل پشتیبانی به صورت دسته‌ای سؤالاتی مانند «از ساعت ۱۴:۰۲ چند رویداد رخ داده است؟» را می‌پرسند و برای هر کدام پاسخی می‌خواهند.

داده‌ها

from creative.budget import Tape
tape = Tape([50, 61, 70, 12, 20, 33])  # written in order, wrapped after 70
queries = [20, 65]
# count_since(tape, queries) -> [5, 1]   (20, 33, 50, 61, 70) and (70)

کد خود را با سه رویکردتان شروع کنید:

my_approaches = ["...", "...", "..."]
نوبت شما

ابتدا تعیین کنید my_approaches: سه رویکرد خودتان، هر کدام حداقل چهار کلمه (مربی سپس آن‌ها را باز می‌کند؛ چک هم به آن نیاز دارد). سپس بنویسید count_since(tape, queries). tape یک Tape از مهره‌های زمانی صحیح متمایز، نوشته شده به ترتیب صعودی و ممکن است یک‌بار در موقعیتی نامعلوم دور زده شده باشد (ممکن است اصلاً دور نزده نشده باشد). این ساختار حداقل یک ورودی دارد. برای هر مقدار q در queries، تعداد ورودی‌ها را بازگردانید >= q. بودجه: با ۱۰۰٬۰۰۰ ورودی و ۱۰۰ پرس‌وجو، شما می‌توانید حداکثر ۲۰٬۰۰۰ مقدار را بخوانید. len(tape) رایگان است.

ایده پیش از پرامپت: مربی هوش مصنوعی وقتی باز می‌شود که my_approaches 3 رویکرد از خودتان داشته باشد.

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.